搜索：代码生成基准

「代码生成基准」共找到 4360 篇相关文章

Anthropic总想摔碎程序员饭碗，甩出了“以后只招两种人”名单。

昨天Anthropic发布新产品Claude Tag，被Karpathy赞为LLM交互第三范式。Claude Tag与之前的Claude Code远程插件有4方面差别。产品负责人Fiona Fung分享，Anthropic人均代码交付量剧增，招人只看两类人。

全网AI交白卷的ProgramBench编程基准，被GPT-5.5首破。它能0源码盲写程序，同一题用C和Python两种解法通过测试。相比之下，Opus 4.7表现不佳。这揭示推理算力成编程AI核心变量。

一位科技记者用升级到Alexa Plus的博世咖啡机煮咖啡遭拒，社区也有诸多类似吐槽。生成式AI助手虽能力提升，但因LLM随机性，在控制场景易翻车，新旧技术切换引发混乱，边界待明确。

近期类o3模型在视觉推理任务表现优异，但陷入‘盲目用工具’状态。港中文MMLab等团队提出AdaTooler-V模型，具备自适应工具使用能力，还引入指标、算法，构建数据集，在多基准测评中优势明显。

同程旅行研发的“同程伴游”AI助理，能为景区游客答疑解惑，实现原生数字化导览。它可按需讲解、避免走回头路，还能生成数字旅行日记。其基于高精度定位和大语言模型，未来还将持续升级。

现有机器人视觉 - 语言 - 动作（VLA）模型训练范式存在数据采集成本高、泛化能力不足等问题。清华和上海AI Lab团队提出SimpleVLA-RL，解决了VLA模型训练的核心瓶颈，在多基准测试中实现SoTA性能。

文章介绍 GLM-4.5 和 GLM-4.5-Air，二者旨在统一推理、编码和智能体能力。在 12 个基准测试中表现良好，采用 MoE 架构等技术，还开源 slime 框架。文中展示其多方面应用，并说明使用方式。

文章聚焦RAG与MCP集成，介绍RAG突破传统模型局限及不足，引出Agentic RAG。阐述MCP革新AI工具连接方式，结合二者构建集成架构，还给出实现步骤、优化策略与代码实践，为释放AI系统潜力提供方案。

文章指出‘AI会取代程序员’论调有误，代码是负债，系统设计才是核心资产。回顾NoCode、云计算等变革，技术未取代人，而是重塑岗位。AI辅助开发也如此，暴露软件工程中设计系统才是AI难取代的能力。

记忆张量开源 MemT 1.0 系列，在查询不提供历史文本的条件下，两款模型在 11 项记忆基准上取得参数化记忆方法第一和第二名。