搜索：代码生成基准

「代码生成基准」共找到 4204 篇相关文章

从打分器到思考者：RM-R1用推理重塑模型价值判断

伊利诺伊大学香槟分校团队提出 RM - R1 框架，将奖励建模定义为推理任务。它引入推理奖励模型和链式评估准则机制，经两阶段训练，在多基准测试中表现超大规模模型，验证了推理能力对奖励模型的重要性。

腾讯混元团队在 ACL 2026 Findings 发布的 ToolCPT 指出，Agent 用不好工具病根在预训练。它从真实代码挖工具，写说明书，融入预训练，实验显示能有效提升工具运用能力，但也有局限和成本。

NUS领衔近10家机构发布音视频智能综述，系统梳理大模型时代AVI发展全貌，涵盖感知、生成与交互，复盘子方向工作，构建任务蓝图，整理评测体系，总结基础技术，还探讨应用、安全及未来研究方向。

AI加速代码编写，但也留下更多安全坑，传统扫描工具和人工渗透测试难以应对。新晋GitHub Trending榜首工具Shannon是全球首个开源全自动AI渗透测试员，多智能体架构，功能强大，适合AI编程团队。

团队提出关键表征微调（CRFT）方法，通过信息流分析识别和优化关键表征。在八个数学和常识推理基准及两个模型系列验证其有效性，能提高推理准确率，学习参数量低，还适应少样本场景。

OpenAI研究员Aidan McLaughlin推文称试用新os模型后很震惊，引发猜测。有推测是GPT - 5，也有认为OS可能指开源模型、新的o4模型或操作系统。从代码看，OpenAI或把ChatGPT升级为AI操作系统。

一家成立不到两年的香港AI公司维纳智能，不堆参数、不依赖人工标注，靠让大模型自动生成高精度推理数据登上Nature通讯。其技术可解决Agent泛滥的困局，还推出特色产品，业务增长快。

文章指出今年大模型Token账单涨得快，尤其AI编程重度用户。从工程角度总结降低Token消耗的方法，如上下文清场、代码导航等，还分析AI Coding的Token变贵原因及各方法适用边界。

上周Anthropic在开发者大会上，让参会者用Claude Code为巴掌大的M5Stack Cardputer ADV写程序，会后官方展示五个小项目，如摇一摇切换MacBook模式、拼写游戏等，代码开源，设备可带回家。

Meta内部在首席AI官亚历山大王推动下，员工为抢夺虚荣头衔展开“Token竞技”，日均消耗两万亿Token。这源于扎克伯格重写代码库要求，首席技术官支持资源投入。新模型将半开源，嵌入社交业务。