「代码评估数据集」共找到 4445 篇相关文章
16K星 Zep凭一张“动态记忆图”吊打一众Graph RAG
现有的RAG框架多依赖静态文档检索，无法满足企业对动态知识整合的需求。本次分享的Zep提供新型智能体记忆层服务，通过核心组件Graphiti动态整合数据，在LongMemEval基准测试中表现出色。
ICML 2025｜多模态理解与生成最新进展：港科联合SnapResearch发布ThinkDiff，为扩散模型装上大脑
现有扩散模型缺乏多模态推理创作能力，在算力和数据不充裕时实现该功能是难题。ICML2025上，港科联合SnapResearch提出ThinkDiff，以较少资源让扩散模型有思考能力，开辟多模态理解生成新路径。
苹果出手！改进GRPO，让dLLM也能高效强化学习
苹果研究团队针对扩散语言模型（dLLM）在编码任务中表现不明的问题，基于7B级代码生成MDM DiffuCoder展开研究，定制优化GRPO提出coupled - GRPO算法，填补开源dLLM训练和推理机制空白。
刚刚，Scale AI CEO Alexandr Wang正式官宣：Meta重金投资并挖走了我
Meta重金投资Scale AI，收购其49%股权。97后Scale AI CEO Alexandr Wang将离开，加入Meta参与AI工作，Scale由Jason Droege任临时CEO。Wang称数据是AI系统生命线，此为公司及个人发展契机。
Gemini新版蝉联竞技场榜一，但刚发布就被越狱了
谷歌深夜官宣Gemini 2.5 Pro推出新版本（0605），在代码、推理等任务表现提升，超o3，Elo评分也提高。但发布两小时就被越狱，还被指部分指标较早期版本退步。
这些关于研发提效的深度实践，值得每一位开发者关注 | AICon
6月27 - 28日AICon北京站上，一线大厂技术大牛将分享“AI赋能研发提效”经验，涉及AI编程范式革新、代码智能化落地、研发流程优化等多方面，呈现技术演进与落地路径。
LLM又曝致命缺陷：根本不会看时钟！博士惊呆，准确率不及50%
最新研究揭示AI存在认知缺陷，读取时钟准确率仅38.7%，判断日历日期准确率26.3%。研究者构建测试集考察MLLM能力，虽部分模型有亮点，但整体表现不佳，凸显训练数据和推理方式改进需求。
0.25秒识破未见攻击，这套检测方法没看过任何越狱样本 | EMNLP'26
大视觉语言模型带来隐蔽攻击面，现有检测器难平衡。中国人民大学与阿里巴巴集团联合提出Learning to Detect（LoD），不依赖攻击样本和手工规则，从模型内部激活学安全模式，实验效果好且代码开源。
OpenAI最新报告曝光！前5%精英效率暴涨16倍，普通人却被悄悄淘汰
OpenAI《企业AI现状报告》基于8亿周活用户和9000名企业员工数据分析得出，企业AI采用率加速加深。报告显示员工用AI提效，工作流重塑，但存在使用差距，前5%精英效率优势明显。
英伟达Run:ai没做到的，被华为开源方案实现了
传统存储难满足AI需求，存储需向‘智能存储’演进。华为数据存储团队推出系列产品和开源工具链，其Flex:ai对标Run:ai，更开源底层，能解决行业算力痛点，已在医院场景落地。