「代码开发」共找到 2854 篇相关文章
Auto-Research「终极大考」：新基准撕下大模型科研伪装
来自多所高校的研究者提出MLS - Bench，用于解决现有Auto - Research评测的归因问题。它含140个真实研究任务，校准受控修改范围，主实验显示当前模型在方法发现上有明显缺口，Auto - Research需更严格评测标准。
竞赛编程Agent进入全球前十！南大、清华新模型CF rating超3500
大语言模型在竞赛编程场景易失败。南大、清华等研究者提出Solvita框架，由四个角色形成闭环，构建可训练图结构知识网络积累经验。实验显示其在多评测中表现强，提升不靠增加token。
Headroom：Netflix 工程师开源的上下文压缩工具，省 token 还是烧 token？
Netflix工程师Tejas Chopra开源Headroom，定位为AI Agent的上下文压缩层，压缩工具输出等内容，有可逆压缩等特性。官方数据显示节省token效果好，但微软工程师实测结果中性偏负面。
Claude Code 修了几个小 bug，却揭开了 Agent 落地的大麻烦
Anthropic给Claude Code发的更新，看似是修小bug，实则指向AI编程产品正从“模型会不会写代码”转向“Agent能否稳定完成任务”，暴露了工具状态、权限边界等执行问题。
40万次Claude Code会话实锤：这才是AI时代最值钱的本事！
Anthropic用40万次Claude Code会话数据得出结论，决定AI编程成败的不是代码功底，而是对行业的理解。人决定造什么，AI决定怎么造，懂行的人能从AI榨出几倍产能。
GPT-5.5反杀Claude登顶，AI编码旧榜不准了？
Datacurve推出新基准DeepSWE，号称「零污染」，用113道原创题挑战旧编程榜单。它使GPT和Claude名次逆转，揭示旧基准验证误差大、存在作弊现象，虽有局限，但反映编程基准竞争转向抗污染和验证可信。
MIT黑客松冠军让AI控制了人的手，被全网传成“AI夺舍人体”，我们和当事人聊了聊
2026年3月MIT黑客松上，六个学生用Claude API等拼出Human Operator系统，能通过电刺激让手指按琴键，拿下冠军。项目走红后传播失控，团队成员吴雨潼谈技术、体验及应用前景，称距产品化尚远。
一文搞懂Codex连接控制：iPhone，MacBook，Mac mini，远程服务器
文章详细介绍 Codex 连接控制的三类方式：把 Mac 当主机让其他设备控制、用 Mac 控制其他 Codex 主机、让 Codex 连接远程开发机/服务器，还提及相关设置及注意事项。
AI最大的礼物，是让你能廉价地失败100次
文章指出AI最大的礼物不是让人成功，而是让人能廉价地失败。AI让开发成本降低、心力节省，增加了尝试机会。但人们需发布产品获取反馈，构建可演化系统，让失败为后续铺路。
最新！Karpathy：Vibe Coding只是抬高了地板，真正的战场在这里
Andrej Karpathy在AI Ascent 2026上与红杉合伙人对话，分享自提出“vibe coding”一年来的变化。谈到技术转变、Software 3.0、模型“锯齿状”特征等，还区分了vibe coding和agentic engineering，指出人类需保留品味、判断力等。