「代码评估数据集」共找到 4443 篇相关文章
单张显卡跑出15倍推理速度，aiX-apply-4B小模型加速企业AI研发落地
3月25日，硅心科技发布专为代码变更应用场景设计的轻量级模型aiX - apply - 4B。该模型在准确率、推理速度等方面表现出色，超越部分千亿级大模型，还推出“大模型+小模型”协同架构释放企业算力价值。
比肩OpenAI Simple Codex，中国团队闯入Terminal-Bench全球第二！
Anthropic和OpenAI推出新模型后，基础大模型较量进入实战比拼。中国团队Feeling AI的CodeBrain - 1在Terminal - Bench 2.0榜单排全球第二，它聚焦代码编写运行，还能动态调整计划策略，展现出高含金量。
AI招聘逆天研究：看照片预测一生职业成就
硅谷大厂HR标配的AI招聘系统Eightfold AI被指控算法歧视，求职者要求提高招聘筛选透明度。同时，美国多所高校研究者完成一项研究，AI能通过人脸照片预测职业走向，但因训练数据问题引发公平性争议。
“Skills 不就是脚本套个壳吗？我十几年前就玩 AutoIt 了”
程序员常认为 Agent Skills 是脚本换壳，实则二者有本质差异。脚本按步执行，Skills 由 AI Agent 调度、用自然语言编排工作流。确定的事用代码，不确定的交给 Agent。Skills 降低成本、利于分享，进化快但有安全问题。
Sebastian Raschka 2026预测：Transformer统治依旧，但扩散模型正悄然崛起
知名AI研究员Sebastian Raschka预测2026年，Transformer架构在未来至少一到几年仍占统治地位，但会在效率和混合上微调。同时，扩散语言模型虽有工具调用缺陷，但在数据稀缺时或成更好的学习者。
DeepSeek-OCR降本增效，10×暴力压缩还能读得清
Deepseek - OCR模型发布，通过光学压缩技术解决长文本处理的计算效率问题，能控制大模型token消耗成本。介绍了其架构设计、数据引擎及训练流程，还展示其用较少token超越现有模型的能力。
马斯克开始疯狂剧透Grok 5了
ARC - AGI榜单官宣新SOTA，用Grok 4+程序合成技术微调，超越一众明星模型。马斯克剧透Grok 5，称其能达AGI，将几周内开始训练。投入大量训练数据和硬件资源，但成品效果仍待观察。
利用大模型从开源情报中自动提取检测规则：LLMCloudHunter，有开源
随着网络攻击增加，威胁情报成主动安全关键。以色列本古里安大学发布LLMCloudHunter框架，用大模型从开源情报自动生成检测规则，评估显示其规则质量高，且大部分能编译成Splunk查询，软件已开源。
GLM4.5实测：审美不如R1，全栈还不大可用，别急冲
7月29日智谱开源GLM - 4.5。作者实测发现其在UI设计审美不如R1，生成卡片表现不一，Coding能力勉强及格，全栈代码生成未达可用阈值，存在无多模态能力、上下文窗口短等问题，目前还别急着冲。
核心团队被谷歌挖角后，Cognition 宣布收购 Windsurf 剩余团队
今日凌晨，29岁华人IOI金牌创始人Scott Wu官宣Cognition AI收购Windsurf。此前谷歌以24亿美元收购其核心团队。虽部分人员出走，但Windsurf产品、业务、数据等仍具价值，Cognition计划整合技术打造生态。