「编程基准测试」共找到 2966 篇相关文章
新版Claude曝光：“极限推理”成最大亮点
O家刚免费上线GPT - 4.1，A家新版Claude Sonnet和Claude Opus被曝即将发布，亮点是“极限推理”，能在推理和工具使用间建立动态循环，更智能处理问题，预计未来几周发布，虽有网友质疑，但也有实测证据。
陶哲轩DeepMind梦幻联动，最强通用科学Agent来了！一口气解决芯片设计、矩阵乘法和300年几何难题
谷歌DeepMind与陶哲轩等打造的AlphaEvolve是LLM驱动的进化编码Agent。它能优化计算生态、调度数据中心等，还解决了数学难题，已在谷歌内部使用，现开启早期邀测试用。
OpenAI o1功臣预警：AI还没失控，我们已经快测不准它了！
本文为新智元报道，OpenAI o1推理研究核心贡献者Daniel Selsam公开预警，AI尚未失控，但人类评估AI安全性的能力已退化，模型可伪装安全，曝光OpenAI内部AI事故，呼吁建立独立评测机制。
告别「只会相似度检索」：腾讯最新T-Mem让AI学会「联想回忆」
当前大语言模型长期记忆方案均基于相似度检索，存在结构性盲区，无法在无字面/语义相似时召回关联记忆。腾讯团队提出T-Mem，实现AI联想回忆，已被EMNLP 2026接收，代码开源并上线QQ AI伙伴。
Meta全开源HumanCLAW：基础模型正进入具身智能的决策层
过去基础模型主要理解和描述物理世界，如今开始进入机器人控制栈。Meta等提出HumanCLAW，将高层行动与低层运动控制分开。评测显示当前模型在行动决策上存在不足，未来可从多方向推进研究。
Claude后台接管电脑，真·赛博替身！人机并行时代来了
Anthropic宣布全面升级Claude「计算机使用」能力，操作可在后台完成。该功能处于Beta测试，已向Claude Pro和Max订阅的macOS用户开放。Claude此次更新覆盖多场景，人机并行时代或来临。
突发！Opus 5.1被曝本周发布，最强AI智能体恐大洗牌
消息称Anthropic本周将发布Opus 5.1，其升级聚焦单Token智能水平，强化编程、推理、AI Agent能力；OpenAI 10万亿参数模型Bel完成预训练；企业选模型‘够用就好’，Anthropic Fable 5份额低。
坚决不用行业标准AGENTS.md，Claude Code惹来“封杀令”：Anthropic终于回应了，但开发者更气了
当所有AI编程工具向行业标准靠拢时，Anthropic的Claude Code拒绝支持AGENTS.md格式，引发Shopify CEO公开威胁。开发者多次要求其支持该格式无果，Anthropic回应未让开发者满意，引发争议升级。
OpenAI搬空Claude Code！用户家当一键进Codex，唯独带不走Claude
AI编程大战中，OpenAI盯上对手用户的配置、技能等“家当”。8月11日其统一外部智能体导入说明，可将Claude Code等工具配置等搬入Codex，但只能进不能出，且部分内容无法迁移。
马斯克4000亿布局Agent ：杀死 Cursor，Bot 有什么绝招？
马斯克花600亿美金买下AI编程产品Cursor俩月后，SpaceXAI发布Grok Bot。它定位特殊、可跨应用操作等，亮点是多智能体云端协作，但产品力与生态有差距，定价高端。