「Coding 基准测试」共找到 2898 篇相关文章
ECCV 2026｜不靠「上帝视角」，也不等「完美指令」：REAL 让具身智能体走向开放世界
上海交大与上海AI实验室团队的研究，针对当前具身智能依赖理想化环境与指令假设的痛点，提出REAL框架，统一主动探索、意图消歧与执行为闭环，支持零样本迁移至真机，已开源代码并被ECCV 2026接收。
能识图、看视频，也能理解软件界面：蚂蚁百灵开源Ling-3.0-flash-VL
本文介绍蚂蚁百灵开源的多模态大模型Ling-3.0-flash-VL，该模型采用稀疏混合专家架构，支持图片、视频、软件界面理解，可将视觉信息用于推理与任务执行，开放权重采用MIT许可证供开发者部署测试。
2个设置，让Codex体验翻倍
文章分享两个提升Codex使用体验的技巧。一是在config.toml里添加配置，让非计划模式能主动提问；二是用特定提示词测试gpt的juice值，选正常思考程度的模型使用，提升使用心情。
1周半写64个PR、完成30%项目重构：一家成熟SaaS公司把Agent塞进研发全流程后
Calendly公开Agentic Engineering实践，Agent嵌入研发全流程，如审查需求、写代码、测试等。一周半内，Agent为IAM团队生成64个PR，完成30%项目重构。研发瓶颈从写代码转为判断力，强调好需求与护栏重要性。
Zig 创始人直言，Bun 靠 Claude 生成的 Rust 重构版是“没人把关的烂代码”
Bun创建者用Claude智能体11天将Bun从Zig移植到Rust，虽通过测试，但Zig创始人Andrew Kelley批评其编程实践不规范，认为代码是‘没人把关的烂代码’，且AI生成代码缺监督会出问题。
真狠！4 万 Star CodeWhale，AI 写代码最怕的是什么？？？？
文章介绍开源的CodeWhale，它是terminal coding agent harness，GitHub超4万Star。它给代码Agent定规则，涵盖身份、证据等原则。支持多模型，有任务流程和多Agent协作功能，还分析适用人群并给出启动方法。
Claude Fable 5怎么用？Anthropic 工程师：干你也不知道的事
Anthropic的Claude Code工程师Thariq Shihipar发长文介绍Fable 5使用方法。他认为与Fable 5协作要发现未知，其定位解决复杂问题。还将未知分类，给出任务前中后打法，并举例用Fable 5剪视频。
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。
实测 Seed 2.1 Pro：从零到一，开源一个大学生就业补贴的公益网站
火山引擎在 Force 大会发布豆包大模型 Seed 2.1 Pro 系列，API 上线火山方舟。作者实测用其完成大学生就业补贴政策网站开源项目，展示模型 Coding 和 Agent 能力，还提及性能、成本等优势及后续计划。
小模型推理极限在哪里？微博开源3B小模型，比肩顶级闭源
微博新开源的VibeThinker - 3B小模型，将特定能力维度性能推向极限。它在数学竞赛、编程等可验证推理基准上表现优异，成绩直逼顶尖大模型。其训练流程层层叠加，还提出参数压缩 - 覆盖假说。