「代码评估数据集」共找到 4437 篇相关文章
[Triton编程][基础]vLLM Triton Merge Attention States Kernel详解
文章详细介绍vLLM中Triton Merge Attention States Kernel的实现，与PyTorch原生实现对比，该Triton kernel最高可实现3 - 5倍以上算子加速。内容涵盖Merge Attention States概念、PyTorch实现、Triton基础算子、分析及性能评估等。
DeepEval：LLM 应用评测不再玄学，让大模型评测像写单元测试一样简单
在大模型应用开发中，科学、自动化评测 LLM 输出质量是难题，人工评测效率低。DeepEval 是 Confident AI 团队开源的 LLM 评测框架，能用极简代码让评测像写 pytest 一样自然，内置多种评测指标，支持批量评测等。
刚刚，谷歌Gemini 3.8登场！姚顺宇：RSI巨大飞跃
深夜谷歌推出Gemini 3.8，六周内第三款Flash系列模型。含通用的Gemini 3.8 Flash和网络安全专用的Gemini 3.8 Flash Cyber，提升推理、代码能力，在多场景表现出色。已面向不同群体开放。
Claude 上线隐形水印
从上周起，Anthropic 在 Claude 模型所有文本输出中嵌入隐形水印。该水印在文本生成时织入文字，复制粘贴也保留，编辑修改可能仍在。标记机制分文本水印和文件元数据两层，全球生效。
AI 太烧钱！微软选择「倒戈」DeepSeek
微软宣布Copilot Cowork全球上线并引入按使用量计费机制，还评估引入DeepSeek V4。Agent普及使AI成本问题凸显，微软进行系统性重构，构建质量保障体系，成本工程化能力成竞争新焦点。
30天烧掉60万亿，扎克伯格没进前250：大厂AI沦为KPI游戏
亚马逊、Meta等大厂流行用token摸鱼，员工为拉高榜单数字让AI跑不必要任务。Jellyfish数据显示烧10倍token仅换来2倍产出，成本飙升。这既扭曲生产力，又为资本开支背书。
独家｜前小米崔宝秋低调创业，揭开家庭机器人的最优解
前小米“技术教父”崔宝秋创办家庭具身机器人公司“若伴科技”，获全明星阵容“亲友+种子轮”融资。他有深厚技术与产品经验，其设想的家庭机器人将打通小米生态，且结合开源构建数据闭环。
独家丨雷军马云罕见握手，千寻智能30天完成30亿元融资
2026年4月7日，千寻智能完成10亿元融资，30天两轮累计30亿。雷军、马云旗下资本领投。其技术路线与国外Generalist AI吻合，数据采集有优势，还与京东、宁德时代合作，获资本青睐。
卡帕西：编程从写文件变成管龙虾！IDE不会凉但得换个用法
AI Coding先锋卡帕西认为，虽AI能生成大部分代码，但IDE不会被淘汰，编程玩法变了，开发工具需进化，功能要从组织文件变为高效协同智能体，还给出了新一代IDE应具备的技能。
破解机器人「慢半拍」难题：南洋理工解决VLA致命短板，动态世界断层领先
南洋理工大学NTU S-Lab团队提出DynamicVLA，解决主流VLA模型在动态场景下反应迟缓等问题。它从多层面设计，构建自动化数据体系和DOM Benchmark，在实验中多维度领先。