「SWE-1.5」共找到 3265 篇相关文章
斯坦福临床医疗AI横评，DeepSeek把谷歌OpenAI都秒了
斯坦福最新大模型医疗任务评测，构建含35个基准测试的MedHELM综合评估框架。结果显示，DeepSeek R1以66%胜率领先，o3 - mini等模型也各有表现，还分析了成本效益。
2025年了，AI还看不懂时钟！90%人都能答对，顶尖AI全军覆没
AI基准ClockBench测试AI读模拟时钟能力，人类平均准确率89.1%，11个主流大模型最好仅13.3%。研究展示了LLM局限性，分析了可能原因，还对比了不同模型表现及在各类问题上的差异。
国产大模型持续开源的一周：DeepSeek、Qwen、字节、书生~
国产开源大模型持续发力，本周DeepSeek V3.1、字节Seed-OSS-36B等接连发布。此外，马斯克xAI正式开源Grok 2.5，英伟达也开源了Nemotron-Nano-9B-v2。PaperAgent专题进行了梳理盘点。
深度拆解 DeepSeek Harness 架构：AGI 的自进化，终于有了「后悔药」
8月13日，DeepSeek开放DeepSeek Harness v0.1开发者预览版，在Github获4.5万星。它提出“一切皆插件”概念，核心组件可插拔。还联合北大提出Cordis框架，解决组件插拔问题，但面临价格与组件膨胀挑战。
一天 15k 星，代码生成碾压 Claude，连 Cursor 都慌了？谷歌 Gemini CLI 杀疯了
谷歌发布 Gemini CLI，有慷慨免费使用配额，开源且不到一天获 15.1k 星。它连接 MCP 服务器，具备 Agentic AI 能力，接入 Gemini 2.5 Pro 模型，在代码生成等方面表现出色，谷歌认为通用模型更优。
不造芯片的IBM把制程推到0.7nm！指甲盖大小芯片集成近1000亿晶体管，半导体底层物理有望突破
当地时间6月25日，IBM发布全球首个亚1纳米芯片技术0.7纳米节点，晶体管密度翻倍，性能和能效大幅提升。该技术源于纳米堆叠架构，若5年内量产有望革新AI芯片架构，但量产面临诸多挑战。
蚂蚁EGSS算法破解Test Time Scaling困局 | ACL 2026
蚂蚁集团CodeFuse团队在ACL 2026主会论文中提出EGSS算法，破解Test Time Scaling困局。该算法精准识别高不确定性决策点，解决计算冗余与选择脆弱问题，在SWE - Bench - Verified上全模型提升5 - 10%。
登顶！快手发布开源编程模型，720亿参数，创下编程能力新纪录
快手发布开源编程模型KAT-Dev-72B-Exp，在SWE-Bench Verified测试中登顶开源代码模型，与闭源GPT - 5成绩相近。该模型基于自研框架，有架构创新，还集成多种软件工程能力，是构建编程智能体的有力工具。
全球首份大模型业绩报！MiniMax预判2026三大超级PMF，AI平台公司启程了
港交所上市52天，MiniMax交出IPO后首份年报，2026年2月ARR突破1.5亿美元，2025年营收同比增158.9%，毛利飙升437%、亏损率收窄。它产品密集迭代，还预判2026年有三个超级PMF，欲成AI平台型公司。
刚刚，OpenClaw最猛升级！底层架构大换血，全网等了9天
OpenClaw「2026.3.22-beta.1」预览版上线，对插件系统重构，新SDK替代旧API，ClawHub成首选分发渠道；安全防护升级，封堵多个漏洞；模型配置升至GPT - 5.4，接入Anthropic Vertex等；多平台体验和Agent引擎也有优化。