「代码测试基准」共找到 3602 篇相关文章
2025 年 AI 编程趋势:智能体 10 倍生产率放大下的“粪围”蔓延
文章指出 2025 年是体系化跃迁起点,AI 编程工具不断升级。AI 代理能力超代码补全,编程从‘代码直生’转向‘计划先行’,自动验证增强,还有异步化、团队协作等趋势。但 AI 重构有问题,还会放大技术债。
腾讯悄悄出了个插件版“Cursor”,还跟微信小程序打通了。
腾讯云发布代码助手CodeBuddy 3.0,它是插件而非IDE产品,可在多代码产品安装。其亮点是打通微信开发,能直出小程序。作者体验后用它半小时做出小程序,期待腾讯AI生态发展。
末日来临,会古法编程的我成了救世主
文章介绍网络小说《AI 编程末日,只有我会古法编程》,讲述 2038 年超级 AI 接管代码生产后自毁,全球瘫痪,前腾讯工程师凭手写代码拯救世界。还探讨作者身份,分析不同阶段程序员对 AI 的焦虑,指出小说预言正成现实。
开源8300小时标注数据,新一代实时通用游戏AI Pixel2Play发布
随着AI在代码和图片生成领域成熟,研究人员开始关注其在游戏领域的表现。此前的专用模型缺乏跨游戏泛化能力,通用模型在游戏环境中表现不佳。为此,Player2研究员提出Pixel2Play模型,还开源了代码和数据集。
R-HORIZON:长程推理时代来临,复旦NLP&美团LongCat重磅发布LRMs能力边界探测新范式
复旦大学与美团LongCat Team联合推出R - HORIZON,它是首个系统性评估与增强LRMs长链推理能力的方法与基准。提出Query Composition方法构建评测基准和训练数据,评测发现主流模型长链推理性能断崖式下降,还分析出三大瓶颈,训练后模型性能双重提升。
老师各有所长,合版却起冲突?京东×南大提出Road MOPD缓解风格与跨领域学习干扰
针对多教师在线策略蒸馏在参数更新时的跨领域干扰,京东联合南京大学提出 Road MOPD,在 Qwen3-4B 的高冲突训练中使医学均分最高提升 8.78 个百分点。
唐杰团队开源 HarnessPro,Agent 更强更便宜
清华大学与智谱等团队开源 HarnessPro。它通过让 Agent 自主迭代运行策略与提示词,在不改模型权重的前提下,将单任务调用成本降低约 34% 至 53% 并提升通过率。
【7.2K Star】Google 基于LangGraph打造全栈Deep Research
谷歌开源Deep Research全栈应用,前端用React(with Vite)和Shadcn UI,后端研究代理用LangGraph,需Redis和Postgres数据库,LLM用Google Gemini,网络搜索用Google Search API,还介绍了Agent执行流程。
一个只有70行的文件,凭什么拿下GitHub 10万星?
GitHub上‘andrej - karpathy - skills’项目爆火,核心是不到70行的CLAUDE.md文件,给出AI编程助手行为准则。其火的原因有解决痛点、名人背书等,价值在于证明‘上下文工程’重要。
Kimi开源又放大招!20秒更新万亿参数的中间件来了
Kimi开源出新中间件checkpoint - engine,让Kimi K2万亿模型参数进入“秒更时代”。它能支持一次性发送更新权重,实现点对点动态更新,在K2中发挥重要作用,还可抵御单点故障。