搜索：代码评估数据集

「代码评估数据集」共找到 4449 篇相关文章

高德 AI 别再打古典互联网战争了

高德切入团购市场，推出扫街榜。但在AI科技评论看来，团购已是美团和抖音的战场，高德下场或重蹈覆辙。高德优势在POI、数据和路线规划，应将地图升级为“生活操作系统”，不过实现空间智能存在障碍。

该论文提出强化学习场景下的启发式数据合成流程（SwS），利用模型自我感知弱点驱动自动化问题生成，弥补推理缺陷。对其扩展后适应性更广，在多基准测试集和模型上验证有效，性能提升显著。

著名数学家陶哲轩在与播客主持人Dwarkesh Patel的对谈中分享使用AI一年后的观点，认为AI已将想法生成成本降至几乎为零，但验证和评估成新瓶颈，还探讨其对数学研究的影响及未来发展。

文档OCR正迈入小模型时代，MonkeyOCRv2以0.7B、0.6B参数在MDPBench上超越3B模型。它重新分配系统职责，采用互补预训练目标，还开源训练数据，且迁移到多任务表现良好。

英伟达联合多机构推出TTT - E2E方法，在长文本处理上提速显著且性能不打折。它基于标准Transformer，将长文本建模转为「持续学习」任务，核心是上下文压缩，避免额外缓存，代码和论文已开源。

DeepSeek给近一年前登上《Nature》封面的R1论文补64页技术细节，正文大幅翻修。新论文展开R1完整训练路径，补充R1 - Zero分析，还披露安全评估细节。此外团队稳定，引发对其后续动作猜测。

机器人基础模型π*0.6刷屏，能让机器人高效完成多项任务。它引入Recap学习法，突破传统模仿模式。其核心方法RECAP让VLA用奖励反馈和人类介入训练，还能从异构数据学习，实现自我进化。

美国当地时间11月4日，AMD公布2025财年第三季度财报，多项数据创纪录，已悄然抢夺英伟达在AI领域市场。其崛起基于GPU、CPU及软件层面战略部署，在中国市场也有独特策略，但转型仍面临风险。

现在很多大语言模型常给出看似正确的结论，但推理过程却有问题。斯坦福、伯克利和MIT团队提出新思路，构建IneqMath数据集及‘AI数学裁判系统’，研究发现很多模型推理不严谨，还给出两个提升准确率的办法。

北大出身的创业团队元空智能，提出大模型静态互联网数据红利见顶，端侧是下一轮能力跃迁核心，重新定义端侧AI为「模型×Agent×设备」，发布Boxer端侧模型与两款Agent产品，其端侧AI已拿下惠普商务电脑预装，实现规模化落地。