「编程能力」共找到 3961 篇相关文章
一文搞懂 Agents 评测丨Anthropic 最新万字长文
传统模型评测方法难评估 Agent 系统，Anthropic 摸索出有效评测设计方法。文章介绍评测结构、意义、方法，涵盖编程、对话等 Agent 评测，还给出打造评测路线图及与其他方法结合的建议。
当世界模型不止「视频」该如何评估？WorldLens提出实用化评估新框架
生成式世界模型在多领域进展显著，但评估存在局限。WorldBench 团队构建 WorldLens 评测框架，从五个维度评测开源世界模型，其评测 EvalKit 已公开，可暴露模型能力边界与失效模式。
RL是「点金石」还是「挖掘机」？CMU 用可控实验给出答案
卡耐基梅隆大学研究者构建基于GSM - Infinite的可控合成数据框架，分析预训练、中期训练和RL对模型推理泛化能力的影响，调和了RL有效性的不同观点，为改进训练策略提供基础。
数据集蒸馏，连发两篇顶会！10%样本实现全量性能，鲁棒不失真
数据集蒸馏能让模型高效节能，WMDD和GUARD两项研究分别解决保留原始数据特性、提升模型对抗扰动能力问题。WMDD用Wasserstein度量保留几何特性，GUARD平滑损失景观获对抗鲁棒性。
Claude Code 作者：别再沉迷功能堆砌了！最好的 AI 工具，是把控制权还给你
Claude Code 创造者 Boris Cherny 提出“极简主义哲学”，认为最好的 AI 工具应是简单、通用、无偏见的“乐高积木”，把控制权还给用户。还回顾编程发展，介绍开发体验进化及 Claude Code 工作流。
超脑未来WorldDreamer V4横扫多个权威榜单，世界模型进入群体智能时代
超脑未来发布 WorldDreamer V4，它以多智能体为基本单位，具多种核心能力。采用新预训练架构，引入 Masked Agent Modeling，用共享隐式世界状态带来新协同范式，还在多权威榜单领先。
偷改简历删光邮件：AI幻觉进化，你的大脑正在悄悄投降
AI幻觉已从低级笑话升级为高阶陷阱，如伪造邮件、篡改简历、删除文件。人类纠错意愿崩溃，出现“认知投降”。即便“信任但核实”，面对AI大量输出也难实现，依赖AI还会致纠错能力退化。
1.1K Star！告别单打独斗！让 AI 自己组建开发团队，自动分工、沟通、合并成果！
当前单个AI Agent编程有局限，遇到复杂项目力不从心。开源项目ClawTeam-OpenClaw是多智能体群智协作框架，让AI团队协作，解决了单个AI上下文窗口有限等问题，还具备自组织、工作区隔离等亮点。
OpenClaw之父爆猛料：Meta和OpenAI跪着抢人，小扎亲自求收购
OpenClaw之父Peter Steinberger做客播客，爆出Meta与OpenAI收购争夺内幕。他用一小时做出原型，打造出能自我修改源码的AI智能体，宣称AI智能体将消灭80%的App，编程会沦为「织毛衣」。
人脸机器人登上Science Robotics封面：用AI教会仿生人脸机器人「开口说话」
2026年1月15日，美国哥伦比亚大学工程学院研究登上《Science Robotics》封面，展示用AI让仿生人脸机器人“开口说话”技术。机器人经自监督学习，能将声音转自然唇动，有跨语言泛化能力，助其跨越“恐怖谷”。