搜索：代码测试基准

「代码测试基准」共找到 3587 篇相关文章

DeepSeek-R1今天一次「小更新」，颠覆了大模型格局，网友：尽快放R2

昨晚，DeepSeek官方宣布其R1推理模型升级到最新版本（0528），并公开模型及权重。该版本参数量高达6850亿，采用MIT许可证，性能提升明显，在多个基准测试中成绩优异，网友实测代码能力也大幅提升，但仍存在过度思考问题。

英伟达韩松团队推出基于后神经架构搜索的高效语言模型Jet - Nemotron，在基准测试中表现出色，准确率与Qwen3等相当甚至更优，生成吞吐量大幅加速。模型构建经多步骤优化，代码和预训练模型将开源。

在AI技术飞速发展的当下，高性能计算芯片是关键，HBM作为AI芯片重要组成，其测试技术愈发重要。文章介绍了IC测试座与HBM在AI芯片中的应用、发展趋势，还提及HBM测试挑战及相关技术设备等内容。

AI大神吴恩达2026年要做新的图灵-AGI测试，弥补AGI定义无统一标准、现有基准测试易误导大众的空白。该测试聚焦AGI经济性和实际产出，能更好衡量AI通用能力。

随着新一代漏洞检测工具出现，漏洞检测走向理解业务风险。腾讯悟空安全团队联合多机构发布 VulnGym 评测基准，基于真实漏洞构建，覆盖 400+ 漏洞路径，71.2% 为业务逻辑漏洞，支持确定性评测。

Slopfix团队由3名资深工程师组成，专门清理AI生成、难维护的代码库。先免费分析代码，适合重构就报价并承诺代码缩减目标，按完成比例收费。此模式引争议，也反映AI代码治理成新需求。

GPT-5.2发布，奥特曼称其很强。作者用Cursor在真实Coding场景对GPT-5.2和Gemini 3 pro做测试，涉及烟花盛宴、5000篇Paper分析、RAG代码重构，结果显示GPT-5.2在多方面表现欠佳，写代码需慎重。

为解决开源模型在仓库级代码理解上的能力瓶颈，蚂蚁全模态代码算法团队提出 CGM 架构，融合仓库结构与语义信息。CGM 首创图结构与语言模型融合的对齐框架，还搭配了 GraphRAG 框架，在多个代码任务中表现出色，且相关资源均已开源。

BIGAI与中科大等团队提出MILR，通过测试时隐空间推理，在不更新模型参数下优化图文表示，提升复杂图像生成能力。该方法在多基准测试达SOTA，还探讨了测试时扩展与奖励模型，未来有诸多拓展方向。

Onlook是号称‘设计师的Cursor’的开源工具，可让用户在浏览器可视化构建前端界面，通过AI驱动双向绑定实现设计与代码实时同步，还具备多项核心功能，适用于多种场景，解决设计与开发痛点。