「代码测试基准」共找到 3602 篇相关文章
Claude「永久大脑」,真的来了!
著名AI追踪平台TestingCatalog爆出,Anthropic正为Claude测试「双模记忆系统」,包括「经典记忆」和「文件记忆」。此外,「梦境」预览版亮相,还有终极Agent平台Claude Conway登场,7x24h永不下线。
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。
真是天才!有人把做软著做成了skill,自动生成全套软著申请材料
介绍了SoftwareCopyright - Skill,它能一键生成符合软著申报要求的源代码文档和用户操作手册,全链路自动化,功能特点多,如真实代码抽取、智能合规排版等,还给出项目链接。
92% 工程师都在用 AI 后,Uber 开始给 AI “限额”了
Uber的‘零增长技术栈’解耦容量与业务需求,优化Go运行时性能。还将生成式AI集成开发,92%工程师在用,但成本压力大。为此,Uber限额每位开发者,审查代码效果,完善评估指标。
大模型年中报告:Anthropic 市场份额超 OpenAI,开源模型企业采用率下降
本文基于年中报告指出,当前模型API支出翻倍,企业重心转向模型推理。Anthropic市场份额超OpenAI,开源模型企业采用率下降。代码生成成热门场景,企业换模型重性能,AI支出从训练转推理。
Claude Managed Agents 公测发布!Agent 开发成本直降 500 倍
Claude 宣布 Managed Agents 进入公测,可大幅降低 Agent 开发成本。它能自动生成配置和代码,接管多项任务,实现长时间自主运行。多家早期客户使用后效果显著,还介绍了定价、接入方式及与自建的差异。
这些AI手搓的几百K的3D世界,正在让HTML再次伟大。
体积仅 1.4MB 的单文件 3D 网页不包含外部模型与贴图,画面与声音由 AI 编写的代码调用显卡实时渲染。
刚刚,谷歌下一代杀器Gemini 4 Carbon曝光!RSI大招逼近Opus 5.5
外媒爆料谷歌下一代Gemini 4模型Carbon已进入内部测试,性能逼近Anthropic Opus 5.5,核心进展来自递归自我提升RSI技术,业内对谷歌拖沓的发布策略争议不断。
为了活到120岁,硅谷富豪们正在把自己变成小白鼠
硅谷富豪为活到120岁,用‘生物黑客’手段抗衰,如服雷帕霉素、尝试血浆疗法等。科研人员警告,这些技术未临床测试,效果和安全性未知。同时,长寿科技成资本热门,不同公司有不同路径。
AI 本地跑?Google 新开源模型上线,本地量化后占用不到 200MB 内存,支持百余语言
Google DeepMind推出开源嵌入模型EmbeddingGemma,专为本地设备高效运行设计。它用Matryoshka方法和量化感知训练,提升效率。在MTEB测试中成绩佳,支持百余种语言,内存占用少,已集成多种工具。