「代码生成基准」共找到 4360 篇相关文章
ICLR 2026｜首个微观世界模型MicroVerse来了，AI开始模拟看不见的世界
过去两年，世界模型成为大模型演进重要方向，但现有模型多聚焦宏观世界。本文提出MicroVerse模拟框架，将研究边界拓展到微观尺度，还推出MicroWorldBench评测基准和MicroSim - 10K数据集，推动AI从视觉模拟迈向科学模拟。
斯坦福华人天团意外爆冷！AI用纯CUDA-C编内核，竟干翻PyTorch？
斯坦福华人团队用纯CUDA - C编写的快速AI生成内核超越PyTorch，成果登上Hacker News热榜。研究者采用KernelBench任务设置，引入新优化方法，实验显示多数最优内核在靠后轮次出现，优化策略集中在几类常见模式。
千问7B生图模型开放权重！3090就能跑，2K出图修图抠图全包
千问开放了7B参数的Qwen-Image-2.1生图模型权重，单张RTX 3090即可运行，一套模型覆盖文生图、修图、抠图、2K原生输出、透明图生成全需求，网友实测效果出色，该模型已登上Hugging Face文生图趋势榜第一，目前权重仅开放非商用授权。
答案正确，推理就可靠吗？V-Rubrics用35万条细粒度准则细化多模态强化学习奖励
本文介绍南洋理工大学等机构研究团队提出的V-Rubrics方法，解决多模态推理中结果正确但推理错误的奖励分配误区，通过35万条细粒度准则拆分奖励计算，有效提升模型性能，论文已被EMNLP 2026主会接收，代码与数据已开源。
GPT-5.6泄露了！
GPT-5.6泄露，150万Token+神级极简UI下月上线。它在前端有质变，能生成高质量UI，上下文窗口达1.5M tokens。OpenAI采取双版本策略，6月还将迎来Anthropic、Google等模型混战，模型迭代周期也在缩短。
为什么资深开发者讲不清自己的专业能力
文章探讨资深开发者讲不清专业能力的原因。指出公司存在业务团队消除不确定性和开发者管理复杂性两个循环，开发者因用自身逻辑沟通而失败，还给出沟通口诀，最后提到AI虽能快速写代码，但开发者仍需承担责任。
Sam Altman亲晒GPT-5实测问答，发布进入倒计时
今日凌晨，OpenAI的Sam Altman晒出GPT - 5实测问答图，意味着其基本完成基础开发，很快发布。不过其回答与其他模型差异不大，但爆料称它代码和商业化能力强，网友对此看法不一，还猜测其对SaaS行业的影响。
LeCun亲自出镜打脸质疑者！憋了20年的AI世界模型，终于爆发了
LeCun亲自出镜介绍V-JEPA 2新进展，目标是开发改变AI与物理世界交互的世界模型。V-JEPA 2基于视频训练，有两阶段训练细节，能用于机器人规划，Meta还发布三个基准测试，后续将研究分层和多模态JEPA模型。
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，可融入各职位工作流。其亮点是打通微信开发者工具，能利用微信知识库直出小程序，作者体验后认为开发便捷，有望成创造与分发新渠道。
打穿 AI 智商测试！GPT-6 Astra 的符号世界模型，是突破还是钞能力刷分？
OpenAI的GPT-6 Astra亮相，在ARC - AGI - 3测试成绩逼近100%，远超GPT - 5.6 Sol。它生成的符号世界模型被认为是AI迈向高级推理必经之路。不过出题人指出其靠Harness加持，离AGI还远。