「代码测试基准」共找到 3602 篇相关文章
一文解读 LLM Posting-Train技术
文章解读了大语言模型后训练(Post-training)技术,介绍其核心价值,从微调、强化学习、测试时拓展三方面展开,分析现有技术瓶颈,指出前沿研究方向,还给出实践指南和工具链推荐。
清华大学AI4S研究新进展:让科学智能体发现公式、探索机理
清华大学电子工程系团队在AI for Science领域取得两项新进展,提出可复用的智能体符号回归运行时框架SRHarness,构建机制发现评测基准MechBench,推动AI科学发现从拟合观测走向理解机制。
3D指标超过Nano Banana Pro!浙大开源方案让AI在平面图像里进行立体编辑 | ACM MM'26
当前图像编辑模型处理三维状态常出错。浙江大学ReLER团队提出并开源PhyEdit,用显式3D几何preview指导图像编辑,还加入深度监督,构建数据集和评测基准,成绩超Nano Banana Pro,且GUI也开源。
用Codex做跨境电商:第二章
本章探讨为何选Codex承载跨境电商工作方法。它将多种功能置于同一工作环境,适合跨境卖家沉淀业务资产。Codex不仅能写代码,还能围绕项目完成读材料、写产出、受控执行等任务。
龙虾“黑入”卡帕西家的智能家居系统:本来需要控制六个软件,现在用WhatsApp就能操控
特斯拉前AI总监卡帕西做客播客,分享诸多AI观点。如编程成个人能力问题,可让AI写代码;用龙虾打理智能家居,整合多软件;还谈及autoresearch、模型能力断层、模型分化、开源闭源格局等内容。
DeepMind再登Nature:AI Agent造出了最强RL算法!
Google DeepMind团队提出DiscoRL,让智能体在多环境交互中自主发现强化学习规则,无需人类设计。它在Atari基准中击败MuZero,在未见过的游戏中也稳定高效,相关研究登《Nature》。
有什么事情是当了程序员之后才知道的?
本文是腾讯程序员分享当程序员后才知道的事,如改一行代码能崩项目、本地部署模型可免费搞定等,还给出多个有趣观点,最后发起评论互动并抽取粉丝送Q币卡。
首个多模态工业信号基座模型FISHER,权重已开源,来自清华&上交等
清华、上交等团队联合发布首个多模态工业信号基座模型 FISHER,用搭积木法对异质工业信号统一建模。技术报告和权重已开源,还提出 RMIS 基准评估性能,实验显示其泛化能力强。
中国ToB软件公司想赚钱,先对AI Coding祛魅
文章指出AI Coding产品虽对专业开发者提效,但服务公民开发者时存在问题。对比‘Code + GenAI’与‘No Code + GenAI’,认为无代码平台更适配公民开发者,虽面临挑战,但短期内是企业软件定制最优解。
27、42、73,DeepSeek这些大模型竟都喜欢这些数!为什么?
技术作家发现GPT - 4o、Claude等模型猜数偏好42、73,Andrej Karpathy测试中模型多选27。网友猜测原因,如数据集、人类偏见等,也有论文分析此现象,多与数据分布有关。