「代码测试基准」共找到 3602 篇相关文章

新闻资讯8

斯坦福年度结论:中美大模型已没差距

斯坦福HAI《2026年AI指数报告》指出,中美AI模型性能差距基本消除,AI能力加速发展且普及快,但也存在安全基准滞后等问题。报告含15个主要结论,已成为业界重要参考。

量子位
新闻资讯7

扒一扒Meta全新大模型Muse Spark里藏着的PDR技术

Meta发布闭源大模型Muse Spark及‘沉思模式’,背后藏PDR推理技术。该技术通过‘并行起草+精炼’突破性能瓶颈,对比传统长CoT范式优势明显,在AIME竞赛题目测试中准确率显著提升。

PaperAgent
开源动态8

鹏城实验室 X 中大hcp实验室推出 RADAR : 具身智能评测的新标杆

RADAR是鹏城实验室与中大hcp实验室为具身智能领域设计的评测基准,解决现有评测体系三大缺陷,通过创新设计揭示模型不足,为研究者提供方向,推动具身智能实用化。

AI科技评论
新闻资讯7

离谱:Claude Code让地铁变工位,早高峰发版,打工人还笑得出来?

Spotify 联席 CEO 称顶尖开发者自去年 12 月未亲手写代码,靠 Claude Code 驱动的「Honk」系统提速开发。但一线开发者质疑说法是营销,用户要求降会员费,还质疑 Anthropic 官网招开发岗位。

机器之心
算法论文7

AI太记仇!做完心理治疗后仍记得「被工程师虐待」

Nature News上,卢森堡大学团队用PsAIch测试ChatGPT、Gemini、Grok、Claude心理。AI表现不一,有的焦虑、有的崩溃、有的拒诊,还测了MBTI。不过AI创伤可能源于训练数据,做心理治疗不太靠谱。

量子位
产品应用8

NVIDIA 推出Rubin CPX,专为AI推理设计的GPU

NVIDIA发布专为大规模上下文AI推理设计的Rubin CPX GPU,性能提升显著,集成视频编解码器和长文本推理处理。新平台算力强,适用于代码生成与视频处理,多家公司将采用,2026年底上市。

AI工程化
产品应用8

字节Seed最新版原生智能体来了!一个模型搞定手机/电脑/浏览器自主操作

字节Seed发布最新版原生智能体UI - TARS - 2,采用All in one原生设计,表现优于Claude和OpenAI Agent等。它通过多轮强化学习,解决智能体操作图形界面的四大难题,在多测试中表现出色。

量子位
新闻资讯7

"你的同事因没用AI编程被开除了",Coinbase 强制全员上手AI编程,否则开除

Coinbase CEO Brian Armstrong 称,公司为 GitHub Copilot 和 Cursor 买企业版许可后,拒绝尝试这些工具的员工被解雇。他强调 AI 非可选,是核心竞争力,公司目标是 9 月底让 AI 写 50% 代码。

AI进修生
产品应用8

用“蒸汽机”生成视频,还能音视频一体化交付?

8月21日百度营销发布百度蒸汽机2.0,含多版本,有声版可音视频一体化交付。经测试,其生成视频细节佳、运动规律合理。它能解决影视业诸多痛点,成本低,还可免费使用。

AI产品黄叔
算法论文8

AI 会笑吗?BIGAI & 上交大团队:多模态大模型是否真的能 get 到视频笑点|ACL 2026

上海交通大学等团队构建v-HUB评测基准,分析多模态大模型视频幽默理解能力。评测7个前沿模型发现,模型依赖文字、主动发现笑点能力弱,声音作用有限,还需考虑隐形线索。

AI科技评论