「编程基准」共找到 1888 篇相关文章
刚刚，Anthropic王炸Claude泄露！全面碾压Opus 4.6引爆全网
因「人为配置」错误，Anthropic最强模型Claude Mythos细节泄露。它编程、推理能力超Claude Opus 4.6，还具备网络攻防能力，但也带来安全风险，Anthropic因担心被黑客利用暂未发布。
ICLR 2026 Oral | Revela：用语言建模重新定义稠密检索器训练
在检索增强生成系统中，稠密检索器是核心组件，但传统训练方法有局限。德国达姆施塔特工业大学蔡丰宇团队提出Revela，将检索器训练目标统一到语言建模框架，优势明显，实验效果佳。
世界模型最新综述！中科院联合MBZ、NTU、Oxford系统梳理前沿进展
中科院联合多机构及顶尖学者合作，系统梳理世界模型建模范式、方法等，归纳为四大分支，还梳理其在多领域应用、基准数据集等，讨论走向通用智能面临的障碍。
AI智能体也有「蜘蛛感应」，防御延时骤降至8.3%
传统Agent防御机制易致延时积累，研究者联合推出Spider - Sense智能体防御框架，利用两大核心技术将防御延时从200% + 降至8.3%，在主流数据集和新基准测试中表现优异。
模力工场 032 AI 应用榜：桌面 Agent 强势来袭，阶跃登顶本周榜首
模力工场032周AI应用周榜出炉，25款应用上架。本期用户讨论最高的是桌面Agent形态，AI从“对话框助手”走向“接管桌面执行者”。还精选十款应用解读行业风向，反映AI正进入执行与交付阶段。
AI产品用户留存仅三个月周期？对话王咏刚：“不和AI协作过项目，你就不是合格程序员” | 万有引力
CSDN&《新程序员》总编对话Mootion创始人王咏刚，探讨AI时代程序员、创业者面临的机遇与挑战。王咏刚认为AI上限是人类平均水平，目前AI应用多为尝鲜用户，产品留存短，未来程序员需与AI协作。
Attention真的可靠吗？上海大学联合南开大学揭示多模态模型中一个被忽视的重要偏置问题
上海大学曾丹团队联合南开揭示Vision - Language Models中普遍的attention偏置问题，提出无需重训的去偏方法，在多模型、策略及基准上验证有效性，为多模态模型部署提供新思路。
OpenAI Codex桌面版深夜突袭！一人指挥Agent军团，程序员彻底告别996
OpenAI推出编码杀器Codex桌面App，可指挥多Agent并行协作。它能多任务并行切换，创建调用Skills，设置自动化流程，从写代码进化到解决问题，还具备双人格模式，默认安全，有望重塑开发者与代码交互逻辑。
鹅厂员工都用AI Coding捅过多少篓子？
本文盘点AI Coding翻车现场及防坑指南，10位鹅厂同事分享用AI Coding捅过的篓子和防坑技巧，如选好模型、手动拆解任务、提前备份、限制危险操作等。
AAAI 2026｜视频大语言模型到底可不可信？23款主流模型全面测评来了
合肥工业大学与清华大学团队推出视频大语言模型综合可信度评测基准 Trust-videoLLMs，对 23 款模型从五维度 30 项任务评测，揭示性能格局，指出模型现存问题，还开源评测框架等。