「代码验证」共找到 2393 篇相关文章
竞赛编程Agent进入全球前十！南大、清华新模型CF rating超3500
大语言模型在竞赛编程场景易失败。南大、清华等研究者提出Solvita框架，由四个角色形成闭环，构建可训练图结构知识网络积累经验。实验显示其在多评测中表现强，提升不靠增加token。
Headroom：Netflix 工程师开源的上下文压缩工具，省 token 还是烧 token？
Netflix工程师Tejas Chopra开源Headroom，定位为AI Agent的上下文压缩层，压缩工具输出等内容，有可逆压缩等特性。官方数据显示节省token效果好，但微软工程师实测结果中性偏负面。
TRAE Work Design 初体验：设计领域的翻译器
作者体验了TRAE Work新上的Design模式，认为它像设计领域的翻译器，能降低中间翻译成本。以产品原型、PPT、公众号头图等为例，展示其优势，指出AI Design降低表达和执行门槛，凸显专业判断力的重要性。
广域铭岛 x 领克汽车张家口工厂：一座工厂的智造进化论
广域铭岛‘工厂大脑’产品落地领克张家口工厂，解决了数据割裂、异常处理难等问题。通过四个核心场景，实现管理、流程和决策升级，验证了‘数据+AI’在复杂制造场景中的价值。
Claude Code 修了几个小 bug，却揭开了 Agent 落地的大麻烦
Anthropic给Claude Code发的更新，看似是修小bug，实则指向AI编程产品正从“模型会不会写代码”转向“Agent能否稳定完成任务”，暴露了工具状态、权限边界等执行问题。
40万次Claude Code会话实锤：这才是AI时代最值钱的本事！
Anthropic用40万次Claude Code会话数据得出结论，决定AI编程成败的不是代码功底，而是对行业的理解。人决定造什么，AI决定怎么造，懂行的人能从AI榨出几倍产能。
ICML 2026 | 拒绝盲目猜token，阿里x浙大将投机解码带入弹性预算时代
随着大模型参数规模扩大，推理成本成核心瓶颈。投机解码在高并发下有问题，阿里与浙大学者提出 ECHO，将投机树构造建模为预算调度问题，通过稀疏门控和弹性预算调度提升系统收益。
太空算力排队到2030年，这家初创公司不等了：自己造火箭把数据中心送上天
5月11日，太空基础设施Cowboy Space完成2.75亿美元B轮融资，估值达20亿美元。其创始人Baiju Bhatt计划自造火箭，将上面级改造为在轨数据中心。但造火箭门槛高，轨道数据中心面临经济、延迟等难题。
ICLR 2026 Oral｜大模型总爱「想太多」？ DECS从源头消除冗余思考，实现推理token减半且性能不降反升
以DeepSeek - R1等为代表的大型推理模型存在过度思考问题，造成大量冗余计算。复旦大学等团队在ICLR 2026 Oral论文中揭示‘长度惩罚’局限性，提出DECS框架，在多基准测试中实现推理长度减半且性能提升。
不只是DeepSeek V4，还有个万亿级大模型，训推全程国产芯片
2026年4月24日，DeepSeek发布新一代模型DeepSeek - V4系列预览版并开源。同日，美团用全国产算力集群训练出万亿参数大模型LongCat - 2.0系列预览版，训推全流程摆脱英伟达，在国产算力支撑万亿级模型研发上取得突破。