「编码基准」共找到 1213 篇相关文章
4.8K Star！一套面向设计工程师的 AI 编码智能体 UI 技能集合！
前端开发中AI生成代码质量参差不齐，ui - skills项目应运而生。它由开发者ibelick创建，是面向设计工程师的UI技能集合，将开发经验转化为规则，通过CLI工具让AI按规则构建和审查代码，已获4.8k Stars。
Claude Code 生成 13 种编程语言代码基准测试：动态语言更快更省成本
Ruby 代码提交者远藤裕介评估 Claude Code 用 13 种编程语言生成代码的效率。经 600 多次测试，动态语言更快、更省成本且更稳定，静态类型语言慢且成本高。实验有局限，也引发质疑与回应。
11 万 Star 的开源项目，给 AI 编码代理补流程，这套 Superpowers 值得装
110多K Star的开源项目Superpowers，是完整软件开发工作流程，基于17个可组合“技能”。它采用Pull模式，用苏格拉底式追问澄清需求，工作流覆盖多领域，支持多平台，一行命令即可安装。
Anthropic深夜再出杀招！编码AI一键清空桌面，白领末日来临？
Anthropic推出办公神器Cowork，复用Claude Code底层逻辑，可完成日常任务，如整理桌面、处理文件等。它上手门槛低，主动性强，还能持续升级。不过其诞生或冲击初创公司，也需留意使用权限和安全问题。
OpenAI发布GPT-5-Codex：独立编码7小时，能动态调整资源，token消耗更少
OpenAI发布专用于编程的GPT-5-Codex，属GPT-5特殊版本，有即时协作和独立执行的‘双模’特长。它能动态调整资源，token消耗少，擅代码审查。文中还介绍其命名由来及编程智能体竞争情况。
从第一性原理出发的RAG推理新范式来了，蚂蚁DIVER登顶权威基准
当前RAG系统处理多步逻辑推理任务有局限，蚂蚁集团团队提出DIVER框架解决推理密集型检索难题。它将检索任务分四阶段，在BRIGHT榜单领先，行业对比优势明显，医疗应用效果好。
OpenAI深夜放出GPT-5狙击谷歌！基准测试碾压前代模型，价格比Claude更便宜
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。还推两款新模型，介绍了不同用户套餐。它在编程基准测试表现佳，健康领域能力突出，引发各界热议。
MLLM集体翻车，缺乏婴儿级常识！业界首个核心认知基准发布，LeCun转赞
当前大模型在12项核心认知上普遍落后人类10 - 30%，越大的模型越易靠「背答案」糊弄。团队公开首个系统评测框架和题库，用Concept Hacking方法识破模型真假理解，指出模型存在核心知识缺失等问题。
性能逼近闭源最强，通义实验室开源Mobile-Agent-v3刷新10项GUI基准SOTA
通义实验室开源 Mobile-Agent-v3，覆盖多平台，7B 超同类开源，32B 挑战闭源强手。它有基于云环境的全链路开源方案、全栈 GUI 能力构建和可扩展环境强化学习体系，降低部署开销。
1万tokens是检验长文本的新基准，超过后18款大模型集体失智
Chroma团队研究发现，将上下文扩展至1万tokens，18款主流大模型集体“失智”，“智商”非均匀下降，在一些节点会断崖式下跌。研究还设计四项对照实验，证明LLMs性能随输入长度增加显著且非均匀下降。