「代码能力评测」共找到 4821 篇相关文章
AI4S开始进入「项目时代」：紫东太初把AI从做Task推向做Project
AI for Science进入新阶段，中科紫东太初旗下ScienceClaw升级，推出AutoProject引擎，让AI从执行Task转向做Project，具备规划、执行、验证等项目级自主科研能力，推动行业范式升级。
端到端GUI智能体首次实现“犯错-反思-修正”闭环，模拟人类认知全过程
南洋理工大学MMLab团队提出框架GUI - Reflection，让端到端多模态GUI智能体有“自我反思”能力。它在各训练阶段引入“反思与纠错”机制，实验证明该框架能提升智能体能力。
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。
[Triton编程][基础] Triton Fused Softmax Kernel详解: 从Python源码到PTX分析
文章详细介绍Triton Fused Softmax Kernel实现，从Naive Softmax到Triton实现，分析访存量、row索引计算、num_stages作用等，还修复官方年久失修代码，性能测试带宽吞吐提升约4倍。
真是天才！有人把做软著做成了skill，自动生成全套软著申请材料
介绍了SoftwareCopyright - Skill，它能一键生成符合软著申报要求的源代码文档和用户操作手册，全链路自动化，功能特点多，如真实代码抽取、智能合规排版等，还给出项目链接。
6K星 Qwen围绕Web AI，打造Agent Search新生态
自Manus带火深度研究代理后，新兴方向面临多模态代理推理能力不足等问题。千问2025年推出系列工具完成web智能搜索生态闭合，本文分享WebWatcher训练及解决问题的方法。
干翻全场！OpenAI深夜发布通用Agent。
OpenAI 发布 ChatGPT Agent，将 Operator 和 Deep Research 能力融合，能在虚拟电脑完成复杂任务。它功能强大亮点多，但也存在价格昂贵、安全隐患等问题，或压缩创业公司空间。
同时监督和强化的单阶段大模型微调，告别“先背书再刷题”，推理泛化双提升｜中科院&美团等
中国科学院自动化研究所联合美团提出单阶段监督 - 强化微调方法 SRFT，结合监督微调与强化微调，解决传统两阶段方法的不足，在多任务中提升推理和泛化能力。
微软发布多智能体 Web 操作系统！让 AI 成为真正“可控、协同、透明”的网页执行助手！
微软推出新一代多智能体 Web 操作系统 Magentic - UI，它能自动浏览网页、处理数据等，具备多智能体协同能力。其界面透明可控，功能丰富，安装使用友好，适用于多种复杂场景。
92% 工程师都在用 AI 后，Uber 开始给 AI “限额”了
Uber的‘零增长技术栈’解耦容量与业务需求，优化Go运行时性能。还将生成式AI集成开发，92%工程师在用，但成本压力大。为此，Uber限额每位开发者，审查代码效果，完善评估指标。