「代码测试基准」共找到 3602 篇相关文章

产品应用7

Qwen3.6-Max-Preview来了!

继Qwen3.6 - Plus发布,推出Qwen3.6 - Max - Preview预览版,相比前者有更强世界知识、指令遵循能力,智能体编程表现显著提升。可在Qwen Studio交互,也将通过阿里云百炼API调用。

千问大模型
开源动态7

还在复制粘贴提示词?Memory+Checkpointing 让你从"每次重头来"到"迭代越来越快"

文章介绍了Claude Code最佳实践地图,它将零散手动探索工程化,把关键模块整理成可导航路线图。核心功能包括三段编排、Subagents、Memory + Checkpointing,还给出不同场景方案及使用方法。

小华同学ai
新闻资讯7

刚刚,100 美金的 ChatGPT 来了

OpenAI 推出 $100/月 Pro 档,填补 Plus 和原 Pro 间空缺,核心是 Codex,提供 5 倍 Codex 用量及 Pro 特权。Plus 用户 Codex 配额调整,旧 Pro 仍保留。与 Claude 定价锚点一致,但打法各有侧重。

AGI Hunt
算法论文8

让离线强化学习从「局部描摹」变「全局布局」丨ICLR'26

现有生成式离线强化学习方法在复杂连续任务长程规划中易陷入局部合理但全局偏航的窘境。厦门大学和香港科技大学提出MAGE算法,采用自顶向下策略,实验显示其多任务表现出色、推理效率高。

量子位
产品应用8

龙虾创始人深夜点赞:百度 DuMate,打工人的 AI 搭子

文章介绍百度新上线的产品 DuMate,它被定位为首个「国产企业级满血版 OpenClaw」。安装简单,能深度集成百度工具生态,部署方便且安全。通过多场景实测,其任务完成度高,是打工人实用的 AI 搭子。

特工宇宙
开源动态8

LeCun的世界模型单GPU就能跑了

LeCun世界模型有新进展,开源极简训练方案LeWorldModel,单GPU就能跑,基于JEPA架构,速度快、参数小、控制强且懂物理,完胜此前JEPA方法,训练更简单。

量子位
开源动态8

一夜之间,AI终获「永久记忆」!最难考试99%刷爆SOTA,全网直呼疯狂

新智元报道,Supermemory团队推出超级记忆系统ASMR,在AI记忆界最难考试LongMemEval中刷到99%准确率。它抛弃传统模式,采用多Agent并行推理,4月初将开源代码。此外,其背后的Supermemory引擎功能强大,能让AI真正拥有记忆。

新智元
产品应用7

不用花Anthropic API的钱,本地跑Qwen3.5就能用Claude Code

文章介绍不花Anthropic API的钱,用本地Qwen3.5跑Claude Code的方法。包括选模型、编译安装llama.cpp、下载量化模型、启动本地服务、配置Claude Code指向本地服务等步骤,还提及踩坑建议和使用方法。

AI工程化
产品应用7

告别先开发后治理:Agent 驱动的数据质量一体化交付

文章指出离线数据开发中数据质量建设面临开发与治理分离的困境,如治理滞后、迭代不同步等。DataWorks引入Data Contracts理念,以YAML Spec形式将质量规则嵌入开发流程,还可借助Agent配置规则,未来将多引擎覆盖、降低门槛并融入IDE。

阿里云开发者
算法论文8

不止修bug:Agentic Coding评测走向复杂feature交付新阶段

中国科学院自动化研究所联合华为提出 FeatureBench,构建端到端基础设施并开源。它从单元测试出发构造评测任务,引入多种机制保障任务可执行、可验证,能有效区分模型能力,还提供易用的评测流程。

机器之心