「代码测试基准」共找到 3602 篇相关文章

新闻资讯8

微软又搞大新闻:GitHub Copilot 开源,VS Code 要变天了。

微软官宣将把 GitHub Copilot Chat 扩展代码开源,重构相关组件到 VS Code 核心,使其成开源 AI 编辑器。还推出 Coding Agent,能自动化处理多种开发任务,目前在 Copilot Pro Plus 版本预览。

AI进修生
算法论文8

ICML 2026|让AI自动发现前沿风险:创智×复旦×牛津发布AutoControl-Arena

当AI智能体走向真实应用,前沿风险藏于复杂长尾场景,难以靠人工覆盖。创智、复旦、牛津联合发布AutoControl Arena框架,自动合成可执行测试环境,还构建X - BENCH验证,已在GitHub开源。

机器之心
产品应用8

Cursor 终于让你可以关笔记本了

昨夜,AI编程工具Cursor发布Agent云功能更新,解决本地运行占资源问题。可本地云端无缝切换,10分钟搭云端开发环境,有独立云子Agent隔离任务,iOS测试版上线,获用户认可。

AI工程化
开源动态7

TanStack Start 推出导入保护机制,强化服务器与客户端边界划分

TanStack Start引入基于Vite的导入保护功能,防止服务器与客户端代码相互泄露,默认在新项目启用。该功能以插件形式运行,开发和生产环境行为不同,还能添加自定义规则,用户反响积极。

InfoQ
新闻资讯7

股东变对手?OpenAI 被爆砸钱研发 GitHub 替代方案,硬刚微软

外媒披露 OpenAI 正开发代码托管平台,对标微软旗下 GitHub。因 GitHub 服务中断影响研发进度,项目处早期,或数月后推出,还探讨了商业化路径。OpenAI 巨额融资为拓展业务提供支撑。

AI前线
算法论文8

警告:你的Agent可能无法"解决"真实世界的视觉问题

文章提出 AgentVista 评测基准,含 209 道任务,横跨 7 大领域 25 个子方向。评测 14 个主流模型,最强的 Gemini - 3 - Pro 准确率仅 27.27%,揭示多模态 Agent 在视觉理解、工具调用等方面挑战大。

深度学习自然语言处理
产品应用7

Claude Code杀进VSCode,我可能要退掉Cursor会员了。

2026年Anthropic推出Claude Code桌面版cowork及VSCode插件。该插件与copilot等交互一致,能深度访问代码,支持引用文件、模糊匹配等,还具备人工校验等能力,未来功能将更丰富。

探索AGI
产品应用8

挑战Claude code和Cursor:阿里Qoder对标全球,AI编程迎来“上下文”革命

AI编程工具爆发式增长,‘上下文’成实用化难题。阿里推出Qoder平台,结合大模型与Agent,可深度检索代码、理解上下文。本文采访Qoder团队工程师,解析其定位、成本、技术路线等关键问题。

InfoQ
开源动态8

V4Flash 的价格、Opus4.8的能力,Ox Alpha (牛来)正式开源!

Ox Alpha 匿名模型上线 OpenRouter 后表现亮眼,消耗大量 tokens 并终结 DeepSeek 霸榜纪录。官方揭晓其为智谱 GLM - 5.3 Flash,价格低、能力强,经多场景测试,多模态理解等维度达顶尖水平。

歸藏的AI工具箱
推荐文章7

AI时代,这三个认知你需要转变

文章指出多数人用AI和用搜索引擎无异,分享三个认知转变。一是从需求侧到供给侧,要思考创造新能力;二是Coding成新‘识字’,需理解代码逻辑与AI协作。

newtype AI