「基准数据集」共找到 3265 篇相关文章
一举击败Claude Code！微软提出代码生成黑科技：一键直出36K行代码
现有方法依赖自然语言规划生成仓库易失效，微软提出Repository Planning Graph (RPG)，以图谱替代文字规划。基于此的ZeroRepo框架能让仓库生成可控、可扩、可验证，在新基准RepoCraft上表现远超Claude Code。
谁是最强“打工AI”？OpenAI亲自测试，结果第一不是自己
OpenAI发布新研究，提出GDPval基准衡量AI模型在有经济价值任务上的表现。Claude Opus 4.1表现最佳，GPT - 5次之。OpenAI开源优质子集并提供自动评分服务，还指出了GDPval的局限。
NIPS2025 | A-Mem让Agent拥有动态自我记忆功能，达到新SoTA
近年来，LLM代理需长期内存系统，但现有系统缺乏灵活性。论文提出A - Mem能动内存系统，受Zettelkasten启发，能让记忆‘自我整理’和‘自我更新’，在多基准测试领先，也指出了局限性和未来方向。
中国大模型如何破圈？开源不能太“独角戏”，也不是“上传 GitHub 就完事儿”
InfoQ 专访 Linux 基金会 Mark Collier，他分享对 AI 时代开源看法。指出开源是协作哲学，AI 开源与传统不同，倡导开放数据，认为商业限制不利生态，还谈及 Agent 与中国大模型开源等问题。
60000小时炼出新开源VLA！20多种机器人都能用
蚂蚁灵波发布开源VLA模型LingBot-VLA 2.0，用60000小时预训练数据“喂”出。它支持20多种机器人构型，融合LingBot-Depth提升空间理解，还学会预测未来，在GM - 100评测表现佳。
信通院&清华提出FedRE：用「纠缠」搞定联邦学习三难困境 | CVPR 26
联邦学习中兼顾模型性能、数据隐私和通信开销是挑战，尤其在模型异构场景。信通院和清华联合团队提出FedRE框架，能适配异构与同构场景，保证性能同时保护隐私、降低开销。
两位95后打造“伴身智能”硬件，获商汤国香、奇绩创坛千万元级投资｜甲子光年
两位95后Jasper和Xander成立弦指科技推出智能戒指Wilo，获商汤国香、奇绩创坛千万元投资。他们想定义“伴身智能”，用戒指采集数据形成个人世界模型，还将搭建开放生态。
Reorx：OpenClaw 正在重塑我的数字生活，以及为什么我退订了所有 SaaS
知名技术博主 Reorx 记录用 OpenClaw 将工作流从“云端租赁”迁回“本地私有”的过程。AI 正从云端服务变为本地基础设施，他退订 SaaS 用 OpenClaw 重塑数字生活，虽有不足但能拿回数据控制权。
外卖公司也能搞AI？
昨天凌晨美团悄悄开源560B参数的MoE大模型LongCat-Flash-Chat，引发国外网友疑惑。该模型推理速度超100 tokens/秒，基准测试表现出色，多项设计解决实际问题，贴合美团业务需求。
生成式推荐补上关键一环！语义ID首次实现可微分联合优化 | SIGIR'26
生成式推荐依赖语义ID，可现有语义ID常先学好再冻结，与推荐目标不一致。论文DIGER首次将可微分语义索引机制引入生成式推荐框架，让推荐损失参与语义ID学习，还设计策略解决训练问题，实验表现佳。