「代码测试基准」共找到 3602 篇相关文章

新闻资讯8

马斯克抢先谷歌一步放大招,Grok 4.1登顶LMArena,创意写作直逼GPT-5.1

谷歌Gemini 3将上线消息正热时,马斯克旗下xAI的Grok 4.1凌晨上线。它有两个“形态”,免费开放且有APP版。在LMArena测试中表现优异,事实稳定性、情商、创意写作等能力提升,实测也有不错表现。

InfoQ
算法论文8

答案正确,推理就可靠吗?V-Rubrics用35万条细粒度准则细化多模态强化学习奖励

本文介绍南洋理工大学等机构研究团队提出的V-Rubrics方法,解决多模态推理中结果正确但推理错误的奖励分配误区,通过35万条细粒度准则拆分奖励计算,有效提升模型性能,论文已被EMNLP 2026主会接收,代码与数据已开源。

机器之心
产品应用7

爆删80%系统提示词!Anthropic核心成员揭秘Claude 5最新玩法:上下文工程全面大换血

Anthropic针对Claude Opus 5、Claude Fable 5等新模型,删超80%Claude Code系统提示词,编码测试成绩无明显下降。CC技术团队成员发文指上下文工程规则重写,还总结新旧规则对比,并给出内容撰写建议,还上线新命令。

AI寒武纪
推荐文章7

为什么资深开发者讲不清自己的专业能力

文章探讨资深开发者讲不清专业能力的原因。指出公司存在业务团队消除不确定性和开发者管理复杂性两个循环,开发者因用自身逻辑沟通而失败,还给出沟通口诀,最后提到AI虽能快速写代码,但开发者仍需承担责任。

宝玉AI
新闻资讯8

马斯克悄然发布Grok 4.1,霸榜大模型竞技场所有排行榜

马斯克发布Grok 4.1,同时霸榜大模型竞技场第一和第二。它在思考与非思考模式表现出色,还在新专家榜和职业榜霸榜。此外,它在情商测试表现佳,还加强快速回复、改善幻觉问题,已向所有用户开放。

量子位
新闻资讯7

Sam Altman亲晒GPT-5实测问答,发布进入倒计时

今日凌晨,OpenAI的Sam Altman晒出GPT - 5实测问答图,意味着其基本完成基础开发,很快发布。不过其回答与其他模型差异不大,但爆料称它代码和商业化能力强,网友对此看法不一,还猜测其对SaaS行业的影响。

AIGC开放社区
产品应用7

腾讯悄悄出了个插件版“Cursor”,还跟微信小程序打通了。

腾讯云发布代码助手CodeBuddy 3.0,它是插件而非IDE产品,可融入各职位工作流。其亮点是打通微信开发者工具,能利用微信知识库直出小程序,作者体验后认为开发便捷,有望成创造与分发新渠道。

开源星探
算法论文8

Auto Research时代,47个没有标准答案的任务成了Agent能力必测榜

Einsia AI旗下Navers lab发布Agent Benchmark——Frontier-Eng Bench,让AI在47个多学科交叉的硬核任务中做工程优化,测试其迭代优化能力。研究总结出AI进化规律,初步勾勒接近真实工程循环的AI系统。

量子位
算法论文8

Yann LeCun非生成世界模型前瞻:开年三篇论文展示JEPA工程化拐点

2026年Yann LeCun团队3篇论文展示基于JEPA框架的非生成世界模型工程化拐点。Rectified LpJEPA让表示更省力,GRASP将长时域规划并行求解,EB - JEPA把方法写成代码,为非生成式世界模型提供技术路线。

AIGC开放社区
算法论文8

为什么给机器人装上昂贵的触觉传感器,反而让它变笨了?

伊利诺伊大学香槟分校等多校合作研究发现,当前机器人学习主流的多传感器融合算法(特征拼接)在处理任务时存在局限,给机器人加触觉数据会使抓取成功率暴跌。研究提出组合策略解决问题,经测试效果显著。

机器之心