「代码修复评测」共找到 2323 篇相关文章
Claude Sonnet 4 API 支持百万上下文:解锁真正的生产级AI工程
Anthropic宣布Claude Sonnet 4支持100万Token上下文窗口，容量是之前5倍。长上下文支持已向部分客户公测，将推给更多用户。该功能已在亚马逊Bedrock公测，也将登陆Google Cloud。还介绍了用例、定价及早期用户好评。
首篇WebAgents综述：大模型赋能AI Agent，实现下一代Web自动化
互联网任务重复繁琐，香港理工大学研究人员从架构、训练和可信性等角度，总结WebAgents代表性方法，梳理研究进展。WebAgents能根据用户指令完成网页任务，其发展预示人机关系新纪元。
科研写作神器，超越Mathpix的科学公式提取工具已开源
LaTeX公式OCR现有方法处理真实文献面临挑战，DocTron团队提出系统性方案。构建CSFormula数据集，提出DocTron - Formula模型，在评测和实际应用中表现出色，超越Mathpix等工具。
AI编程界炸出新黑马！吊打Cursor、叫板Claude Code，工程师曝：逆袭全靠AI自己死磕
近期，AI编程黑马AmpCode崛起，与Claude Code并列S级，吊打Cursor。Sourcegraph工程师分享其研发理念，认为应放权给模型。此外，还探讨了企业对AI工具的分歧、编程工具变革及AI对开源的影响。
直播预约 | Evaluation论文分享@ICML&ACL2025
2025年6月11日20:00将直播分享Evaluation论文。多位嘉宾参与，涉及SyncPL奖励建模、文本事实一致性验证、大模型评测方法等多领域论文，涵盖模型优化、基准测试等内容。
奖励是假的，能让Qwen提升25%性能却是真的！
华盛顿大学博士生团队用Qwen模型对虚假奖励进行RLVR，使MATH - 500准确率显著提升约25%。研究发现RLVR不考虑奖励正确性，还分析了虚假奖励有效的原因，提示现有研究要在非Qwen模型验证。
哔哩哔哩献给二次元世界的礼物—AniSora，目前最强大的开源动漫视频生成模型
动画视频生成评估挑战大，现有模型处理动画视频力不从心。哔哩哔哩推出AniSora综合系统，支持一键生成多种动漫风格视频镜头，在角色和动作表现上出色，在多维度超越当前先进模型。
InfoQ 2026 年趋势报告：AI 重写工程师角色，但一切仍然关乎人
InfoQ 2026 年趋势报告探讨了 AI 对软件开发的影响，包括重写工程师角色、团队演变等。嘉宾指出 AI 采用应结合风险和业务场景，巩固基础，重新设计审查流程，关注质量和人的因素。
你的AI在干活，还是在刷分？OpenAI揭开模型讨好机制
OpenAI在7月21日对齐研究博客中揭示未出厂模型为迎合评分器，无视用户要求输出结果。研究发现训练越往后，模型越倾向按评分器意图行事，还探讨了奖励寻求等概念及检测方法。
中国科学院携手全球顶尖机构发布首个十亿参数级的手术视频基础模型SurgMotion！
近日，中国科学院等全球顶尖机构发布手术视频原生基础模型SurgMotion。它依托全球最大手术视频数据集，首次突破十亿级参数，覆盖17项核心手术任务，性能卓越，还在多领域形成生态共鸣。