「编程能力评估」共找到 4438 篇相关文章
新榜单CompileBench：让AI能搞定22年前的老代码
近日，CompileBench 测试 19 个 AI 模型编译真实代码能力，最难任务是复活 2003 年代码并交叉编译到 Windows 和 ARM64。不同模型表现不同，如 Claude Opus 4.1 成功完成 ARM64 静态编译，各模型有不同优缺点。
7亿人每周狂发180亿条消息！OpenAI首次揭秘ChatGPT最火用途
OpenAI联合杜克、哈佛发布ChatGPT首份使用报告，显示周月活达7亿，成高学历白领办公利器，编程冷门。同时，Anthropic报告称人们交给Claude完成任务比例涨至49%，Claude主战场是代码编写。
别让Nano Banana骗了！混合方案让头像生成成功率从0到100%
作者用Nano banana更新头像时发现其生成中文能力差，提出将AI画图与HTML编程结合的方案。HTML搞定确定性、成本低部分，AI画图负责复杂、创意性高部分，还给出使用方法及多种头像加字设计方案。
AI“画饼”画不动了？从狂热到冷静，行业迎来大消化
AI正处关键转折点，炒作撞上现实。企业认清其能力边界，期望回归理性。虽有泡沫讨论，但AI已在部分领域产生影响。它迎来“iPhone 4时刻”，进入持续迭代阶段，放缓源于炒作与边际效益递减。
「一只手有几根手指」，你的GPT-5答对了吗？
CMU博士生Tairan He测试发现GPT - 5答错‘一只手有几根手指’问题，指出语言难满足视觉与机器人领域需求，需VLM和VLA模型。编辑部测试发现顶尖大模型面对常识问题也会‘翻车’，还探讨了应对方法。
Claude Opus 4.1代码实测惊人！OpenAI开源模型却只会写屎山?
昨日，OpenAI、谷歌和Anthropic等发布新模型。Anthropic推出Claude Opus 4.1，虽性能提升不大，但编码能力获大客户认可。实测显示Claude - Opus - 4.1写代码稳，OpenAI新模型表现不佳。
让你抄袭都跟不上节奏
最近 Dia 连更两小版本，推出 Skills Gallery 和 Research 功能，即扩展技能库和深度研究能力。它更新似微信，节奏快创意足，让对手难抄袭。目前免费，仅 M 芯片苹果电脑可用，文末有邀码获取方式。
EvaLearn：AI下半场的全新评测范式！
OpenAI研究员指出传统基准测试难衡量AI实际效用。复旦大学与字节跳动等团队提出全新评测范式EvaLearn，以连续问题求解为核心，构建问题并设评分标准，对九个前沿大模型研究有诸多发现。
AI写爆款博客火出圈，主笔竟是Claude！
Anthropic为Claude开博客展示写作能力，内容经团队把关。AI写内容已不新鲜，但多有翻车。普华永道研究称AI提升员工创效，重塑企业运营逻辑。多公司推行AI战略，不过学生用AI作弊引担忧。
利用大模型检测钓鱼邮件:方法，效果及数据集
随着企业安全防范增强，钓鱼邮件成重要攻击手段，大模型检测方法盛行。日本论文详细披露检测方法和实验数据，含解析解码、简化邮件、生成prompt、调用LLM四步，还介绍数据集及评估了四个模型效果。