「代码评估数据集」共找到 4425 篇相关文章
AI狂欢，网站末日来了！互联网变现难，谷歌让点击惨遭灭顶之灾
2024年5月谷歌上线AI摘要功能，虽让搜索展示量涨49%，但网站点击量惨跌30%。多组数据显示网站流量锐减、收入萎缩，AI抓取频繁回报少，谷歌或自掘坟墓，引发互联网生态危机。
谷歌打响教育第一枪！发布50+项免费AI教育功能，彻底改变课堂！
Google for Education官宣更新，将以Gemini为首的AI工具免费提供给全球教育工作者，集成到Google Classroom和ChromeOS。有Gemini in Classroom等功能，还通过教师主导解决安全担忧，上线数据分析工具。
半天16.5k Star，谷歌AI Agent强势开源，AI编程变天了！
Google推出轻量级且功能强大的开源AI Agent——Gemini CLI，能将Gemini带入用户终端，可利用Gemini 2.5 Pro编写代码等，半天获16.5k Star，还具备多种强大功能。
开源RAG又添新军！港大开源多模态RAG神器，多文档格式统一解析、知识图谱索引与混合检索！
在AI信息检索领域，传统RAG系统难处理复杂文档。港大数据智能实验室开源RAG - Anything，可提供端到端解决方案，能多格式解析、构建知识图谱和混合检索，优势显著。
多模态推理新基准！最强Gemini 2.5 Pro仅得60分，复旦港中文上海AILab等出品
现有多模态大模型benchmark对逻辑推理理解不足，复旦大学等单位提出MME - Reasoning评估其推理能力。对30 + 模型评测，最优得分仅60%左右，反映出模型多方面推理短板。
Claude 4发布！世界最强编程模型来了
Anthropic发布Claude 4家族，含Claude Opus 4和Claude Sonnet 4，代码能力强，重新定义AI编程助手能力边界。有新功能，企业认可，Claude Code上线，记忆能力提升，立即可用且价格不变。
Claude Science几周干完两年活，10倍科研提速真来了？
2026年6月30日，Anthropic发布Claude Science，定位面向科学家的AI工作台。它将科研拆成可审计流水线，整合工具链，自带可追溯代码，有协调与审查智能体，首落生命科学领域，与Google、OpenAI玩法不同。
桌面 Agent 的下一步：不是会操作，而是会调度工具
复旦大学和通义实验室提出 ToolCUA，让模型在 GUI 与工具调用间编排路径。它从已有 GUI 轨迹合成训练数据，设计奖励机制，在 OSWorld - MCP 评测中效率与准确率大幅提升，为 CUA 发展提供方向。
成本降九成，准确率100%！MIT反常识架构挑战硅谷信仰
慕尼黑工业大学等研究者指出企业AI落地问题源于数据乱。RUBICON架构用AQL查询语言，把操作权交用户，让LLM在精确范围工作。测试中它准确率100%，成本低，优于现有智能体AI方案。
Sutton 的批评与反思：AGI 的下一步是什么？
文章是对 Richard Sutton 采访的反思，指出 LLM 训练效率低、依赖人类数据，未实现有机自主学习。作者与 Sutton 有分歧，认为模仿学习与强化学习互补，还探讨持续学习，称 Sutton 批评有启发性。