「代码测试基准」共找到 3602 篇相关文章

产品应用8

我用1分钟开发了个上线应用,有阿里Meoo谁还学编程啊

阿里新出AI开发工具Meoo(秒悟),全程无需写代码,通过说话提需求,1分钟就能生成可上线、可分享、可交互的完整应用。它内置阿里云全家桶,能自动完成云服务环境搭建、数据库配置等,还支持创意社区和多人协作。

量子位
新闻资讯7

刚刚,Cursor被扒底裤!Claude Code套壳实锤,500亿估值全靠Ctrl+H?

知名开发者逆向分析发现,Cursor 3.0实锤套壳Claude Code,将其包装成「自主研发」。Cursor官方称是A/B测试,但证据显示更像正式集成。此事折射出AI应用层困境,应用层玩家只能在「外围战场」厮杀。

新智元
新闻资讯7

马斯克的底裤要被扒光了!超级爆料一个多小时, xAI 工程师被火速解雇

xAI工程师Sulaiman Ghori在播客大赞公司与马斯克,3天后却被解雇,或因曝光诸多敏感信息。他讲述公司无官僚流程、多线并行高效,马斯克决策快且能快速解决问题,公司还测试虚拟员工等。

InfoQ
算法论文7

从数据分布视角,重新认识下CoT

本文从数据分布视角重新审视大语言模型的思维链(CoT)推理。指出CoT并非真正推理,而是模仿,其效果受训练与测试分布差异影响。通过实验揭示CoT在分布偏移时性能退化,提醒勿过度依赖。

深度学习自然语言处理
新闻资讯8

OpenAI深夜祭出GPT-5,所有人能免费用!Altman:像和博士级专家对话

北京时间8月8日凌晨,OpenAI推出GPT - 5,宣称其更智能、准确,幻觉率低。还推GPT - 5 - mini和GPT - 5 - nano两款新模型,免费用户可使用部分版本。它在编程和健康领域测试表现出色,引发各界热议。

InfoQ
新闻资讯7

OpenAI再次跳票,奥特曼:开源模型无限期推迟!

奥特曼宣布OpenAI开源模型无限期推迟,称需额外安全测试和审查高风险领域。这已是第二次跳票,此前从6月推迟到夏末。而此时竞争对手纷纷上新,此决定加剧其身份分裂质疑和社区信任流失。

新智元
新闻资讯9

清华初创&UIUC学者用7B模型在预测市场上自我蒸馏,跑赢GPT-5.6和Opus 5

UIUC学者联合清华初创团队Astraculum,围绕LLM部署阶段持续学习问题展开研究,提出Social World Model框架,基于预测市场数据测试,经自蒸馏的7B模型击败了GPT-5.6等多款前沿大模型,还搭建了专用MLOps引擎TrajOps。

机器之心
算法论文8

MSRA首测AI从零建仓库:能写、能跑,但不一定对丨ACL'26

微软亚洲研究院工作RepoGenesis被ACL 2026高分录用,它是面向多语言、仓库级、端到端Web微服务生成的基准。输入贴近实际,用多维度评测开源Agent和商业IDE,还拓展模型微调。但也有边界,未模拟真实复杂需求。

量子位
开源动态8

大模型开网店,谁是经营高手?E-Commerce Bench开源揭秘

为评估模型长程经营能力,联合淘天集团发布E-Commerce Bench,以10万本金、365天经营网店来评测。从多维度评估18个模型,结果差异大,还发现单一指标会掩盖模型表现,评估基准潜力大。

千问大模型
新闻资讯7

Anthropic 技术栈里的「五宗罪」由何而来?

Anthropic的Claude模型升级后,用户却觉得不好用。X上帖子指出其存在文本和代码标记、模型能力、定价、长上下文等问题,这些问题卡在生成、计算、上下文和Agent运行时的5个具体位置,导致各方面互相拖后腿。

AI科技评论