「代码测试基准」共找到 3602 篇相关文章
性能飙升42%!人大&字节开源10万级 SWE数据集 Scale-SWE
近期,人大和字节开源10万级软件工程数据集Scale - SWE,用首创工作流从GitHub构建真实数据。基于此微调的Qwen3 - 30A3B - Instruct模型测试表现佳,其数据相比合成数据优势明显。
狂揽19.7K star!!神级开源自动化神器,拖拽即搞定,上千模版,太爽了!
本文介绍开源浏览器自动化扩展工具Automa,它基于Vue开发,支持Chrome和Firefox。不用写代码,通过拖拽模块搭建自动化流程,功能丰富,在GitHub星标超19.7k,适合非程序员等人群。
别跟LLM太交心!斯坦福新研究:AI不能完全取代人类心理治疗师
斯坦福大学研究团队测试流行AI模型及商业化AI治疗平台,发现AI治疗师存在根本缺陷与潜在危险,如歧视回应、无法危机干预、谄媚等,但也认可其在心理健康方面的辅助用途。
“图片秒生”,腾讯混元图像2.0模型正式发布,主打速度和真实感
5月16日,腾讯发布混元图像2.0模型,率先实现实时生图,生图速度快、质量高,能避免‘AI味’。在GenEval基准上准确率超95%,还发布实时绘画板功能,后续将推原生多模态模型。
阿里「快乐小马」来了,首批网友已玩疯!720P低至0.44元/秒
今天,阿里HappyHorse - 1.0开启灰度测试。它有电影级叙事质感,指令遵循能力强,能驾驭多种风格,还可一句话改视频。性价比高,720P低至0.44元/秒,让AI视频从‘玩具’变‘工具’。
今天,Anthropic偷偷移除了Pro用户的Claude Code访问权
Anthropic一度将Claude Code从Pro套餐移除,引发开发者不满,数小时后官网回滚,负责人称是小范围测试。Claude Code因高消耗或调整收费,Anthropic正修正订阅模型,这或改变开发者工具格局。
TypeScript 6 Beta 版发布:开发者受邀升级以迎接 Go 重写计划
TypeScript团队发布6 Beta版,它是过渡版本,专注消除技术债务和标准化,为7生态做准备。7将用Go重写代码解决性能问题。6在默认设置等方面改进,还弃用部分特性,建议开发者升级。
员工用AI都变快了,企业增收为何没跟上?腾讯云寻找答案
腾讯云升级智能体平台 ADP 并发布 AgentPortal 2.0,披露伊利使用导购智能体在测试中带来26%的销售订单提升。
轮到谷歌踩油门了!Gemini 4泄漏、TPU上天、工程师因「太快」辞职
本文报道谷歌近期AI业务最新动态,涵盖Gemini 4大模型研发进展、TPU上太空测试计划,以及工程师因AI发展太快辞职事件,展现谷歌AI全面加速的现状。
CVPR 2026 | BiMotion:用 B 样条曲线重新定义 3D 角色运动生成
爱丁堡大学等团队提出 BiMotion 框架,将在 CVPR 2026 发表。它用 B 样条曲线表达运动,解决现有方法问题,有独特架构和损失函数,实验表现优,代码和数据集已开源。