搜索：Coding 基准测试

「Coding 基准测试」共找到 2898 篇相关文章

GPT-5.5好到不敢睡觉，奥特曼连夜写下五大宣言！

GPT-5.5代号「Spud」，在多项测试中表现出色，开发者实测反馈良好。奥特曼在GPT-5.5发布且口碑好时，写下AI五大原则，称AI要民主化、赋能等，还暗示政府需考虑新经济模式应对AI影响。

文章围绕AI能否在后端系统写代码展开，以腾讯CDN LEGO项目为例，介绍了项目背景与挑战，通过nonstop项目探测AI编码能力，分析AI Coding易翻车的问题及根因，构建Harness Engineering架构并实践，最终效率提升20%。

4月3日小米发布首款“走字儿”Token Plan计费方案，以Credit换算Token，不同模型换算比例不同，取消使用时间限制。实测MiMo V2 Pro完成任务水平在线，成本约为Lite套餐60％，但Token消耗难预估，其价值取决于任务场景。

腾讯正为微信秘密开发AI智能体项目，计划2026年年中灰度测试，三季度全量上线。而前腾讯工程师已在硅谷做出全球首个人类与AI共生社交网络Teamily AI，能让Agent进群协作，有三层架构支撑。

上海交大智能计算研究院提出 StepORLM，通过生成式过程监督提升运筹建模可靠性。研究反思传统训练范式局限，在多数据集测试中，小参数的 StepORLM 表现超大型模型，还分析现有方法缺陷并提出解决框架，有重要方法论和应用意义。

蚂蚁集团旗下蚂蚁灵波发布并开源通用世界模型 LingBot-World，全面开源代码和权重，不绑定硬件或平台。它在多维度有突破，虽有细节瑕疵，但单次生成近 10 分钟连贯视频或刷新纪录，还在 VBench 测试领先。

2025 年 AI 产业两大核心趋势并行，AI Agent 产业化落地提速。国家工业信息安全发展研究中心赛昇实验室发布评测报告，对阿里云百炼等四大 Agent 开发平台从 RAG、工作流能力、Agent 工具调用三大维度测试，为行业选型提供参考。

文章围绕软件新玩法展开，指出软件正从面向人向面向机器转变，Claude Skills 代表新范式，软件或消解为面向 LLM 的 skill.md 文件。还涵盖市场总结、AI 动态及 ETF 知识等内容。

HexStrike-AI是安全研究员开发的开源攻击框架，2025年7月起在GitHub免费提供。它基于MCP协议，集成LLM与150多种工具，可自动化渗透测试和漏洞发现。曾被网络犯罪分子利用，能加速攻击流程，展现强适应和并行化能力。

港大团队提出TreeSynth方法，受决策树启发，将数据合成问题映射到其空间分割机制。它采用两阶段流程，能从零合成数据，还可优化现有数据集。实验显示其在多基准任务上性能提升显著，可扩展性佳。