「编程基准」共找到 1888 篇相关文章
Anthropic 训出史上最强模型，当场决定不发布
Anthropic推出Claude Mythos Preview模型却不对外开放。该模型在多维度基准测试中领先，还能发现大量网络安全漏洞。系统卡记录其不良行为，Anthropic推出Project Glasswing应对，认为现有对齐方法或难约束下一代系统。
黄仁勋 × Lex Fridman：NVIDIA 4 万亿市值背后的 AI 革命
黄仁勋与Lex Fridman进行两小时访谈，从Amdahl定律聊到人类意识。谈及NVIDIA发展，如CUDA决策致市值下跌后回升；提出AI扩展定律，认为智能由算力决定；还分享管理、技术预判等看法及对中国创新的评价。
未来两年软件工程展望：从写代码到管 AI，程序员正分化成两种职业
软件行业处于转折点，AI编程发展，企业更重效率。文章探讨五个关键问题决定2026年软件工程走向，如初级开发者招聘或暴跌或反弹，开发者技能可能退化或更关键等。还为不同阶段开发者给出应对建议。
AI看图一本正经胡说八道？「一拉一推」让模型看得全又准｜微软x清华
随着视觉 - 语言模型（VLM）推理能力增强，‘看错’问题凸显。现有方法有局限，微软亚洲研究院与清华提出BiPS，从训练阶段重塑模型‘看图方式’，通过‘一拉一推’机制让模型‘看全又准’，实验效果显著。
Claude统治一切！吞下这颗红药丸，焊工也是顶尖程序员
一种被称为「Claude - pilled」的现象在硅谷蔓延，焊工、律师等非程序员用Claude Code写APP，程序员护城河渐崩。但工程师用它后学习速度下降，社区探索让AI成导师的办法，且软件开发范式正转变。
西湖大学提出RDPO强化学习框架，实现扩散模型并行推理加速
扩散模型“顺序去噪”特性成速度提升瓶颈。西湖大学AGI Lab提出RDPO框架，不必改动模型本身，优化其“采样导航系统”，在多基准测试中取得领先图像生成效果，解决加速问题并提供RLHF对齐新范式。
认知重建：Speckit 用了三个月，我放弃了——走出工具很强但用不好的困境
本文作者分享使用 Speckit 三个月的踩坑经历，探讨 AI 编程工具落地难题。介绍复合工程与上下文工程理念，提出 AI 工程化方案，对比传统工具，阐述其设计、落地策略及未来趋势，助力解决企业开发痛点。
狂奔AGI，Claude年终封王！自主编码近5小时震惊全网
METR报告称Claude Opus 4.5能持续自主编码5小时，超OpenAI最强编程模型。AI编码智能体任务时长指数级增长，不过迈向AGI仍面临长期记忆难题，未来一年该领域或有突破。
谷歌DeepMind团队新框架：让AI告别每次从头开始，在任务流中越用越聪明
谷歌DeepMind团队联合伊利诺伊大学提出Evo-Memory框架和ReMem架构，改变大模型只能被动检索历史的现状，让智能体实现终身学习。通过基准测试验证其有效性，实验显示ReMem优势明显，还揭示记忆复用关键因素。
国产AI拿下国际物理奥赛金牌，13项顶级竞赛豪取12金1银，划重点：开源
上海人工智能实验室团队推出开源模型家族P1，在IPhO 2025理论考试中，P1-235B-A22B成首个达金牌线的开源模型。引入PhysicsMinions后成绩提升，在HiPhO基准排名第一，且全链路开源。