「代码准确率」共找到 1951 篇相关文章
Zed 为什么不用自己造 Agent？OpenAI 架构师给出答案：Codex 重划 IDE × Coding Agent 的分工边界
Coding agents 是应用型 AI 活跃领域，但团队常重复构建脆弱基础设施。OpenAI 的 Codex 提出“模型和 Harness 共同构建”，架构师介绍构建挑战与使用模式，还阐述了将模型适配到 Harness 的问题及未来发展方向。
FACTS 基准测试套件问世，用于评估大型语言模型的事实准确性
FACTS 基准测试套件由 FACTS 团队与 Kaggle 联合开发，基于原 FACTS Grounding Benchmark 增加三个新基准，可从四个维度评估大模型事实性。初步结果显示进展与挑战并存，多模态成难题。
GPT-5.2考赢人类！OpenAI警告：大模型能力已过剩，AGI天花板不是AI
GPT - 5.2在ARC - AGI - 2基准测试超人类，Poetiq系统让其准确率从60%提至75%。OpenAI称大模型进入‘能力过剩’阶段，未来AGI进展不止靠模型，更需人机协同。
谷歌发布智能体Scaling Law：180组实验打破传统炼金术
谷歌新论文通过180组实验找到智能体的Scaling Law（定量扩展原则），在四个基准测试评估，推导预测模型，实验结果颠覆直觉，还量化阻碍因素，发现不同模型协作性格，为智能体部署决策提供支撑。
性能不减，吞吐量提升6.4倍！英伟达用混合算子和架构定义小模型新标准
NVIDIA研究团队通过Nemotron - Flash系列模型，打破对‘深而瘦’架构迷信，修正缩放定律，用进化算法搜索混合算子、改进训练策略。该模型在性能、延迟和吞吐量上表现出色，远超同类产品。
首页大翻新，Agent HQ 上线！回归微软后，GitHub 不再是你认识的 GitHub 了？
2025 年 GitHub 回归微软后再出发，新负责人 Jared Palmer 带来变革。发布 Agent HQ 整合第三方编码代理，重构首页成工作起点。GitHub 正从代码托管走向开发者与智能体协同中枢。
Gemini 3来了，Software 3.0也快了
作者认为Gemini 3是目前最好的模型，编程时前端用Gemini 3，后端用Codex。无编程需求时，它也能助力信息处理。Google推出Generative UI，二者结合让我们接近Software 3.0。
Nature新研究：AI竟然分不清事实和信念
斯坦福大学团队在Nature发表研究，测试15个大模型，发现其区分事实、信念和知识存在严重缺陷。如处理第一人称信念准确率低，对语言线索依赖高，在高风险领域应用令人担忧。
Agent项目最头疼的不是技术，这可能是近期最棒的Agent调研。
MMC深入访谈多家AI Agent创业公司创始人和企业用户，撰写《State of Agentic AI: Founder’s edition》。调研显示创始人头疼的多是非技术问题，还分析了准确率与主动性、定价策略等情况。
不改模型也能提升推理性能？ICLR投稿提出测试时扩展新范式OTV
ICLR 2026投稿论文提出单token验证（OTV），是测试时扩展新机制，让模型能边推理边判断正误。它基于并行思考思路，借助轻量内部验证器分析推理过程，实验显示其性能优于主流方法。