「代码生成基准」共找到 4299 篇相关文章
RL训练总崩溃？R1-Reward稳定解锁奖励模型Long-Cot推理能力
多模态奖励模型对提升多模态大语言模型表现至关重要，但强化学习在奖励建模应用有挑战。快手等团队提出R1 - Reward，解决训练不稳定等问题，在基准上超SOTA模型，还在快手业务场景成功应用。
Qwen-Image-2.1开源：轻量高能，创作编辑一体化
通义千问团队正式开源Qwen-Image-2.1图像模型，该模型为7B轻量参数，整合文生图与图像编辑能力，原生支持透明图像生成编辑，做了多方面能力升级，开放多平台供开发者体验。
如何判断AI视频真假？综述动态、可溯源、可解释的检测体系 | ACL26
AI视频生成技术发展快，现有检测方法难满足需求。新综述提出‘事实保真度验证’目标，梳理四层检测框架，涵盖底层线索、时空一致性等，强调多层证据耦合与可解释性，还分析评测指标与数据集。
迈向无缝共生：大模型GUI Agent的「屏幕图灵测试」与拟人化之路
多模态大模型使GUI Agent能模拟用户执行任务，但也引发与平台的利益冲突。论文提出“屏幕图灵测试”和AHB基准评估拟人化能力，探讨拟人化策略及权衡，为Agent在数字世界共生提供指南。
DeepSeek悄悄更新：Mega MoE、FP4 Indexer来了
昨天下午，DeepSeek 更新了 DeepGEMM 代码库，带来新东西 Mega MoE。它将 MoE 计算流程整合，让数据通信和计算同时发生，提高 GPU 利用率。还尝试组合精度、搞 FP4 indexer 等，是基础设施层重构尝试。
YC总裁转发、登顶Hacker News：SkillsBench揭开Agent技能扩展的残酷真相
近日论文《SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks》引发海外AI社区关注。研究聚合47150个Skills，经严格筛选评估，揭示人工构建Skills效果好、AI自生成无效等核心发现，为AI研发指明路径。
清华辍学、斯坦福睡地板，华人小哥用AI社交挑战Meta，融资数千万美元
来自中国的小哥Brandon Chen打造AI原生即时通讯工具Intent，已获数千万美元融资。它结合微信聊天与大模型自动执行功能，如处理图片、规划旅行、生成购物清单等，带来全新聊天体验。
一文带你彻底理解AIGC、Agent、MCP的概念和关系
本文为非AI开发者科普AIGC、Agent、MCP概念和关系。AIGC用AI生成内容；Agent可自主决策调用工具；MCP是Anthropic开源协议，降低模型与工具集成成本，获大厂支持。
ViT一作盛赞：这个中国开源“PS模型”强过Nano Banana
ViT核心作者Lucas Beyer连发三条帖子怒赞通义千问发布的开源模型Qwen—Image—Layered，认为这是图像生成的正确打开方式。该模型可实现PS级拆图自由，支持精细化修改图片元素，核心技术是端到端的扩散模型。
输出token永久免费！Jev爆火后，开源版也跟着火了
本文报道OpenAI前研究员Diogo Almeida推出新型决策模型Jev，砍掉传统LLM文本生成功能仅专注判断，速度提升数十到上百倍，输出token永久免费，爆火后同思路开源模型Nimble随即上线。