「编程能力评估」共找到 4461 篇相关文章
Deepseek V4 Pro发布，除了多模态，满足我对模型的所有想象
DeepSeek官方文档更新模型日期，意味着DeepSeek V4 Pro正式版来临，已在官方API提供。它采用MoE设计，接口能力强，Agent能力得到大幅强化，评测成绩亮眼，价格实惠且有API兼容性，不过有并发限制，近期还将上调价格。
Fable5仅做对3.5%！大模型会看图，但还没有主动视觉
本文介绍了专门测量「主动观察」能力的视觉推理基准 ActiveVision，评测显示无外部工具时，大模型与人类准确率有近 9 倍差距，用工具后虽提升但仍远不如人类，还说明了其出题与避免取巧的方式。
GLM-5封神，智谱市值五天翻倍，中国AI火力全开了
2026年春节档，字节跳动的Seedance 2.0与智谱GLM - 5成AI赛道“双子星”。GLM - 5在Coding领域开源与实战表现出色，标志中国AI迈向成熟。它能力比肩闭源模型，且配套工具链完善，还适配国产芯片。
为 120 个 AI 项目做增长，矩阵魔方叶晨曦：优秀的增长团队，不能去「爱」自己的产品
叶晨曦带着近10亿营销经验回归AI赛道，分享AI GTM底层逻辑。他指出AI营销缺人，窗口期仅三个月；还谈到找差异化、破圈、营销预算等要点，强调创始人要身先士卒，职业创业者应“失去爱产品的能力”。
专治AI生图「人脸崩坏」，8倍速碾压GPT！新版FLUX.1多方位刷新SOTA
FLUX.1 Kontext是融合即时文本图像编辑与文本到图像生成的新一代模型，支持文本与图像提示，角色一致性强，速度快达GPT - Image - 1的8倍。它能解决AI生图“人脸崩坏”等问题，评估显示性能优异。
小红书发布 SWE-Bench Mobile：当 AI Agent 面对亿级用户 App 代码库，最高通过率仅12%？
小红书联合多科研机构发布 SWE-Bench Mobile，它是首个还原‘端到端’开发流程的基准，以小红书 App 实际任务为核心。评测显示，AI Agent 在移动端开发能力上限低，架构设计比模型本身重要，简单提示策略效果更好。
AI卷到物理世界，小米迎来自己的主场？
该文探讨小米在物理AI领域的发展。物理AI与生成式AI有别，更重感知与执行。小米有手机、汽车、家庭入口，补齐多样能力，成全球首个在「人车家全生态」落地物理AI的公司，优势显著。
探针伸进大模型黑箱，南加州大学华人团队打造AI记忆研究的深空望远镜
南加州大学 Robin Jia 教授团队借助英伟达算力，构建基于 Llama 3 架构的全开源受控大模型 Hubble，其成果将在 ICLR 2026 亮相。研究揭示大模型记忆机制效应，还评估了‘机器遗忘’技术，有法律应用潜力。
逆天！Mata用13个参数26字节让模型正确率从76%飙升至91%
Meta等机构研究人员发布TinyLoRA极致微调技术，配合强化学习，能在几乎不改变大模型原有结构下，用极少数参数激发其推理能力。该技术在数学推理上表现出色，还探索了参数共享策略和存储精度问题。
cursor翻车了，Anthropic：来，我教你怎么做long running Agent。
近期，Cursor宣称用大量智能体实现长程任务引发关注，但被指是营销惨案，代码存在诸多问题。Anthropic则分享务实的long - running思路，是记忆接力模式，代码可维护。未来模型能力提升或让代码成黑箱。