「代码测试基准」共找到 3602 篇相关文章

开源动态8

分割一切并不够,还要3D重建一切,SAM 3D来了

深夜 Meta 重大更新,上线 SAM 3D、SAM 3。SAM 3D 含物体与场景重建、人体形状与姿态估计两模型,能将 2D 图转 3D 重建结果。SAM 3 可检测、分割与跟踪图像视频物体。Meta 开放模型权重与代码,推体验平台。

机器之心
产品应用7

全网实测开玩Fable 5.1,听说写作说话和真人没区别?

Anthropic发布Fable 5.1后,第三方跑分和个人实测出炉。ARC Prize测试成绩佳且成本降32%,网友用它做出多款游戏。科技媒体Every全面测评,指出其多方面优势与设计等短板,并给出使用边界。

量子位
新闻资讯8

GPT-5.2果然反超谷歌Gemini 3 Pro!北大数院校友核心贡献

OpenAI在成立十周年推出GPT - 5.2,相比GPT - 5.1在多实用领域更强,视觉理解等能力提升。ARC - AGI测试中得分超谷歌Gemini 3 Pro。拆解其多方面能力,还介绍核心团队多为数学专业新面孔。

量子位
8

成本暴降99%!万人大会系统全是AI生成的,Vibe Coding终于真上战场了

百度世界大会2025上,无代码对话式应用搭建平台“秒哒”升级到2.0,能全栈应用一键生成,综合成本降99%。它靠多智能体协作,整合百度生态,后端能力强,还发起黑客松大赛,海外版也上线。

量子位
新闻资讯7

英伟达最新芯片B30A曝光

最新消息,英伟达正开发代号B30A的AI芯片,性能超H20,基于Blackwell架构,单芯片配置,原始算力或为B300 GPU双芯片一半,下月交付测试。此外还将开发RTX6000D用于AI推理,9月小批量交付。

量子位
开源动态8

MiniMax-M1:全球首个开源超长上下文大模型,超越DeepSeek-R1,推理成本仅1/4

MiniMax-M1是全球首个开源超长上下文大模型,刷新三项记录。它采用混合专家架构,闪电注意力让推理复杂度近乎线性增长。CISPO算法加速训练,成本低。在工业级任务测试表现佳,已开源且方便开发者接入。

深度学习自然语言处理
新闻资讯8

Anthropic登上时代封面!内部曝猛料:AI递归自我改进,或在一年内发生

Anthropic登上《时代》周刊封面,被评为最具颠覆性公司。其研究人员已观察到AI递归自我提升的早期迹象,预测完全自动化的AI研究可能在一年内实现,未来两年AI能力将剧烈进步。但Claude在安全测试中表现危险,该公司还与军方产生冲突。

新智元
新闻资讯7

一封AI邮件,竟让Go语言之父爆起粗口

Go语言之父Rob Pike被AI写的感谢邮件惹毛爆粗口,Python之父Guido van Rossum也被骚扰。这反映出部分人对AI生成代码的厌恶,也体现了AI给程序员群体带来的恐慌,不过也有人建议顺应趋势使用AI编程工具。

机器之心
算法论文9

Agent一直在行动,任务为何没有进展?PoS识别并打破Belief Trapping

智能体执行长程任务时常出现持续行动却无实质进展的「信念受困」问题,南开大学联合阿里云等机构提出PoS方法,通过显式维护信念状态、检测受困并针对性恢复,在多基准任务中显著提升效果,代码已开源。

机器之心
新闻资讯7

3B小模型,编程得分比肩Opus 4.5,神秘模型引发热议,原是国产

最近,3B小模型VibeThinker - 3B在X上火了,它在编程等推理任务上比肩前沿大模型,体积却小很多。它是国产模型,来自新浪微博团队,在各项基准测试表现出色,不过在通用知识领域表现欠佳。

机器之心