「代码能力评测」共找到 4821 篇相关文章
开源8300小时标注数据，新一代实时通用游戏AI Pixel2Play发布
随着AI在代码和图片生成领域成熟，研究人员开始关注其在游戏领域的表现。此前的专用模型缺乏跨游戏泛化能力，通用模型在游戏环境中表现不佳。为此，Player2研究员提出Pixel2Play模型，还开源了代码和数据集。
6 天、96 万行 Rust、直接合并？Claude Code 被 Bun 的内存泄漏拖垮后，Bun 让 Claude 亲手重写了自己
2026 年 5 月，Bun 创始人 Jarred Sumner 宣布将合并 Rust 重写版本，终结 Zig 版。此次迁移仅用六天，涉及 96 万行代码。此前，Bun 内存泄漏影响 Claude Code，促使 Anthropic 让 Claude 重写 Bun。不过，AI 重写也引发对代码质量和流程的争议。
破解AI对不同上下⽂位置的敏感度不⼀致，新框架使出“解铃还须系铃人”
语言模型存在位置偏见，影响复杂推理等任务。论文提出Pos2Distill框架，将模型优势位置能力迁移到劣势位置缓解偏差，设计了Pos2Distill - R1和Pos2Distill - R2，在检索和推理任务表现好且有跨任务泛化能力。
才知道百度和阿里为什么能联手瓜分市场了
AI热度未减但问题转变，企业更关注全栈能力。沙利文报告显示2025年上半年阿里云和百度智能云占一站式AI云市场超一半。阿里和百度长期投入，全栈能力让其在竞争中更笃定，苹果也选它们为中国AI伙伴。
RL在Agentic Reasoning中的作用：拨开迷雾，看清本质
近年大语言模型在推理任务能力惊人，但使用外部工具存挑战。传统SFT无法让模型自主调用工具，强化学习虽被引入，但在智能体推理中面临训练效率、稳定性和泛化能力难题。论文从多维度解构智能体强化学习，提出有效方法。
除了写代码，Claude 还能……种菜
开发者Martin DeVido让Claude全权照顾番茄苗Sol，无人类备份与手动干预。Claude通过传感器获取数据，控制设备运行。期间经历系统崩溃等危机，36天后Sol枝繁叶茂，Martin不鼓励买代币，可去网站看直播。
从零开始200行python代码实现LLM
文章从传统思路出发，用Python实现极简大语言模型，介绍从零基础到Bigram模型的过程，包括词汇表、模型训练推理等内容，还讲解了PyTorch基础，最后实现pytorch版Bigram模型，后续将实现完整GPT。
Claude 这个更新，让模型能力提升10%+！
Claude开放100万上下文长度更新，实际可用空间接近8倍提升。数据显示，上下文越长Claude与其他模型差距越大。API取消溢价，还更新图片/PDF上限、将Adaptive Thinking转正式版。
开发者不仅编写代码，也在创造世界
智能GitHub Copilot副驾驶等生成式AI技术出现，使编程从“指令式”转向“意图式”。开发者需具备对问题、模型、交互的新“品味”，微软相关工具顺应此趋势，峰会将探讨相关话题。
AI时代：判断力为何比技术能力更重要？
音乐家布莱恩·伊诺1995年指出计算机音序器把技术问题转为判断问题，如今AI时代这一洞察更凸显价值。技术壁垒消失，判断力成关键差异，未来职业将向战略判断转变。