「编程基准测试」共找到 2951 篇相关文章
大模型开网店，谁是经营高手？E-Commerce Bench开源揭秘
为评估模型长程经营能力，联合淘天集团发布E-Commerce Bench，以10万本金、365天经营网店来评测。从多维度评估18个模型，结果差异大，还发现单一指标会掩盖模型表现，评估基准潜力大。
ChatGPT的第一块广告位，被谁买走了？OpenAI：别骂，我们这次所有底线都招了
OpenAI宣布将在ChatGPT测试广告，以标注“赞助”链接形式出现在回答底部，不影响回答内容。广告仅对免费版和Go套餐用户展示，OpenAI称广告收入占比将低于总收入一半，还说明了广告原则等情况。
终于，TRAE SOLO全量开放，我们用它复刻了PewDiePie的大模型智囊团
2025年AI Coding赛道上，TRAE是国产AI IDE代表作。7月其SOLO Beta版反响好，如今正式版全量推送。它定位为‘具备响应感知的编程智能体’，新增功能，还限时免费体验，实测显示开发能力强。
阿里云秘密武器亮相顶会：狂砍82%英伟达含量，213块GPU干了1192块的活
阿里云与北大合作，由CTO周靖人带队的研究提出GPU池化系统Aegaeon，亮相顶会SOSP。它用token级自动扩缩容技术，将GPU使用量从1192个减到213个，提升了资源利用率，还在百炼平台测试成功。
比Vibe Coding强100倍！字节 Trae 2.0 携“上下文工程”登场：一句话，从需求干到上线！
字节跳动的AI编程助手Trae发布2.0版本，新增SOLO模式，可实现从想法到应用的一站式交付。上下文工程领域热度攀升，该概念因Andrej Karpathy推动而爆火，Trae迭代快，已建立完整能力体系。
从 Chat 到桌面 Agent：我在一台旧 Windows 上，看见了办公的未来
本文作者作为Mac老用户，为体验昆仑天工研发的Skywork桌面Agent，找来旧Windows电脑测试。该产品定位是接管电脑工作世界，解决办公任务处理和安全隐私问题，还介绍了其功能和使用效果。
告别 AI 土味审美！Kimi K2.5 实测：扔个视频复刻 iOS 级丝滑动效
Kimi 上线 K2.5 模型，前端审美佳，接近 Gemini 3，增强多模态识别，支持视频。测试显示它能按要求生成漂亮网页，还可通过反馈迭代。它对设计师和普通人帮助大，且 Agent 模式任务完成率高。
字节跳动内部信：大幅调薪+职级洗牌；千问“干死豆包”图疯传，阿里回应；六小龙IPO战打响，MiniMax、智谱率先过聆讯｜Q资讯
本文汇总多则科技资讯。如字节跳动调薪并推行新职级体系；阿里回应千问‘干死豆包’图为AI生成；马斯克薪酬方案裁决恢复；OpenAI发布编程模型；小红书、腾讯等也有业务动态。
谷歌最新 Gemini Agent 爆击GPT-5.2？人类最后考试得分见分晓！网友：Altman又该发“红色警报”了
在全球人工智能竞争升温之际，谷歌与 OpenAI 同日更新。谷歌推出全新 Gemini Deep Research 工具，能力提升显著，还开源基准、推交互 API；OpenAI 发布 GPT - 5.2。两者竞争激烈，差距微小，都在争夺智能体框架标准主导权。
北航团队提出新的离线分层扩散框架：基于结构信息原理，实现稳定离线策略学习｜NeurIPS 2025
北航彭浩团队提出SIHD框架，基于结构信息原理，自适应构建多尺度扩散层级，实现稳定离线策略学习。通过构建状态拓扑图、用结构信息增益引导扩散、引入结构熵正则化器，在D4RL测试中表现出色。