「代码生成基准」共找到 4354 篇相关文章
超越Claude Mythos和GPT-5.5！斯坦福Agent验证框架拿下SOTA，Transformer作者转发
斯坦福、伯克利与英伟达联手打造LLM-as-a-Verifier验证框架，该方法是通用验证机制，可与任意Agent Harness和模型结合。研究表明扩展验证阶段计算量，能提升Agent整体性能，在多基准测试中超越Claude Mythos和GPT - 5.5。
手撕Sora，脚踢Veo！13个行业实战案例，Seedance 2.0玩法大全
本文是藏师傅对 Seedance 2.0 的测评和教学，介绍其 API 春节后将上线火山引擎，支持全模态输入。通过 13 个行业实战案例展示该模型能力，如生成广告、宣传片、教学视频等，还提及 Agent 自动化应用。
音频全能王炸！小米MiMo-Audio开源，力压Gemini/GPT-4o！
小米团队开源通用音频大模型MiMo-Audio，集多种功能于一身，支持7国语言零样本克隆和中英混合合成。首包延迟低，效果自然稳定。在多个基准测试中表现优于Gemini-2.5-Flash和GPT-4o-Audio。
WAIC抢先爆料：金融“黑马”大模型超DeepSeek刷新SOTA，论文已上线
WAIC期间，蚂蚁数科金融推理大模型发布会未开，论文已上线。其新模型Agentar - Fin - R1有8B和32B版，在金融测评集超DeepSeek等，还兼顾专业与通用，蚂蚁数科还提出评测基准Finova。
3.4K星Apple出品FastVLM：视觉TTFT效率提升85倍，凭啥这么牛！
文章指出VLM在实际生产应用中因高分辨率图像存在效率问题，介绍Apple出品的FastVLM解决方案，阐述其架构、训练过程，展示在多个基准测试的性能，凸显在高分辨率输入下提升效率的优势及实际应用价值。
Linux之父又开喷：AI泡沫“病态扭曲、迟早暴跌”、马斯克式KPI“愚蠢到不该待在科技圈”
Linus Torvalds 在节目中谈诸多话题。他认为 AI 是泡沫且市场叙事病态，迟早暴跌，但也会改变社会和工作方式；不认同用代码行数衡量绩效，称此举愚蠢。还谈了对 Linux、Git、微软等看法，以及装机细节。
逆天! Claude Opus几小时攻破C++大神4年死磕Bug
Reddit上有30多年C++开发经验的大神ShelZuuz，被一个困扰四年的Bug折磨，投入约200小时未解决。用Claude Opus几小时就找到症结，而此前GPT - 4.1等模型都失败。大神认为AI在编写新代码上像初级开发者。
对标LocateAnything！腾讯开源模型，检测、分割、计数通吃！（附论文及源码）
腾讯开源视觉语言模型 WeVisOne-VL，推出 2B 和 4B 两个规模，将目标检测、计数、文字识别、分割与精细抠图统一到一个模型中，代码已公开。
Anthropic这回撒钱了！Claude Code最高白送250美元
本文报道Anthropic推出正式版Claude Code云端会话功能，为符合条件的老用户发放最高250美元免费赠额，推广云端离线跑代码新能力，介绍了活动规则、功能特点及业内讨论。
GPT-image-2十大最强玩法实操：夯到爆炸
OpenAI全量上线GPT Image 2，其表现远超其他模型。它优势明显，如真实感与细节强、文本渲染准确、自带“思考”能力。文章还给出其十大玩法实操及提示词，涵盖图文组合、海报生成等。