「代码生成基准」共找到 4299 篇相关文章
Anthropic用GAN思路解决AI产出质量问题
Anthropic工程师发现AI会自我欺骗，无法准确评价自己工作。他们借鉴GAN思路，让Generator生成、Evaluator验收。校准Evaluator使其严格，还为前端设计定审美标准，实验证明挑刺搭档能提升AI产出质量。
3.7k星星！爆火开源网站GEO检测工具，老外靠教别人玩这个工具赚麻了
今年315让GEO被更多人关注，虽GEO滥用不行，但正常宣传可用。推荐开源网站GEO审查工具geo - seo - claude，它能多维度检测网站，给出审计报告和优化方案，还具备报告生成等能力。
刚刚，国产视频模型登顶全球第一！给谷歌Veo上了一课，还把钱给挣了
国产视频生成模型SkyReels V4在第三方榜单中登顶全球第一，压过谷歌Veo 3.1等。它能力强大，解决视频AI老毛病，支撑昆仑万维短剧平台DramaWave，构建了完整AI生态闭环。
字节开源了一个让人上头的 Context 项目
字节开源 MineContext 项目，是其“三步走”开源策略首步。它能自动收集屏幕上下文、生成日报待办等，还可深度分析。其理念为主动洞察、无负担收集，未来 OpenContext 开源后开发者可搭建应用。
规范对齐时代：GPT-5 断层领先，让安全与行为边界更明晰
上海交通大学等团队提出规范对齐概念，构建评测基准 SpecBench 评测 33 个主流模型，发现多数模型有不足。还探索测试时深思方法，如 Align3 能提升规范遵循度，GPT - 5 在规范对齐上断层领先。
统一20+多智能体方法，MASLab震撼发布
由十机构联合推出的 MASLab，带来大模型多智能体系统代码库，统一 20+主流 MAS 方法。有方法全、评估准、结构清晰特性，经大量实验刻画性能图谱，还提出新方法，且发起开源社区。
DeepSeek R2没来，DeepSeek R1+来了~
DeepSeek官方发布通知，DeepSeek R1模型完成小版本升级成DeepSeek - R1+。PaperAgent实测近1000行代码无错，网友测试显示CoT有显著变化、前端审美提升，还提及DeepSeek - R2可能快来了。
Karpathy刚刚敲响警钟：大模型的“终极之战”打响！Agent大军即将全面接管研发
Andrej Karpathy发布新项目autoresearch，人改提示词，AI改训练代码。经约2天微调，找到约20个降低验证损失的修改，提升排行榜成绩。Agent还发现多项重要改进点，未来前沿LLM实验室或走此路。
免费使用Sora！微软发布Bing Video Creator
今天凌晨微软官网发布Bing搜索引擎新功能Bing Video Creator，由Sora支持，免费提供服务。介绍了使用方法、视频生成规格、注意事项等，还提及防滥用措施及内容溯源信息。目前国区未开放，可用美版。
编程能力开源SOTA，网络安全提升2倍！智谱发布GLM-5.3
智谱发布GLM-5.3，743B参数模型，编程能力达开源SOTA。网络安全能力涌现，基准得分是GLM-5.2两倍多。全部提升来自后训练缩放，还自研Z.ai Code Bench评估，安全评估加固后权重将开源。