「编程基准测试」共找到 2966 篇相关文章
斯坦福&英伟达提出新范式：推翻Scale Law，在“推理”阶段自我进化，超越人类专家
斯坦福和英伟达提出 TTT - Discover 新范式，允许模型在测试时继续训练，针对难题‘进化’。它设计了自适应熵目标函数和 PUCT 状态复用组件，实验在多领域碾压人类专家与同行，但在部分领域落地有局限且计算成本高。
那个写出20万+阅读的写作Skill，我用扣子免费公开了
作者分享将写作工作流变成扣子技能的经验。扣子的Coze Skill功能让非编程人员也能沉淀专业经验为AI能力，创建简单。对比通用AI，技能产出更具风格。职场人可将方法论做成技能共享，普通人也能搭建。
Codex负责人打脸Cursor CEO“规范驱动开发论”！18天造Sora爆款，靠智能体24小时不停跑，曝OpenAI狂飙内幕
本文围绕OpenAI的编程智能体Codex展开，介绍其用户增长、技术突破、应用场景等情况。Codex负责人认为真正的智能体由模型、API和框架构成，它让Sora安卓应用快速上线。还谈及OpenAI文化、AI未来及对工程行业的影响。
社区供稿丨Jina-VLM：可在笔记本上跑的多语言视觉小模型
Jina AI发布2.4B参数量的视觉语言模型Jina - VLM，在多语言视觉问答任务达SOTA。它引入注意力池化，连接视觉与语言基座，处理问答等任务，对硬件要求低，多项测试表现优，还介绍架构、训练策略和上手方式。
腾讯AI Lab首创RL框架Parallel-R1，教大模型学会「并行思维」
腾讯AI Lab等机构研究者首创Parallel - R1框架，通过强化学习让大模型掌握并行思维。它解决了RL训练的冷启动和奖励设计难题，在多数学基准上提升准确率，还揭示模型思维策略变化及并行思维的‘脚手架’作用。
AI 画图不是玩具，而是可以变成效率工具 ｜ 豆包 P 图Seedream 4.0 效率场景挖掘
作者测试豆包P图Seedream 4.0，发现它有对指令深度意图理解等能力且中文支持好。还分享用其提升效率的场景，如制作封面图、翻译图片文字等，也给出发掘AI应用场景思路和写画图提示词方法。
全能高手&科学明星，上海AI实验室开源发布『书生』科学多模态大模型Intern-S1 | WAIC 2025
7月26日，上海AI实验室在WAIC 2025上发布并开源『书生』科学多模态大模型Intern-S1。它首创‘跨模态科学解析引擎’，在多学科专业任务基准上超越顶尖闭源模型，还具备体系化技术创新。未来将持续开源，打造更懂科学的AI助手。
a16z 合伙人：AI 正将 10 倍工程师“降级”为 2 倍！应用层已无技术护城河，未来在基础设施和业务深耕
Andreessen Horowitz (a16z) 的合伙人 Martin Casado 在对话中指出，当前AI大模型竞争格局似当年云计算大战，寡头垄断将降临。他还谈到AI对开发者、投资决策、市场格局的影响，以及对AI安全、开源等问题的看法。
大模型竞赛转向：决胜关键为何是“后训练”？
大模型价值主战场正向后训练转移。xAI发布的Grok 4通过后训练取得强大性能，在多项测试中领先。后训练可解决通用模型产业落地难题，不同公司探索新方法，且后训练有五大关键要素，阿里云提供一体化支撑。
CS博士求职8个月0 offer，绝望转行！斯坦福入学停滞，全美仅增0.2%
曾经热门的计算机专业渐成「冷门」，全美入学率仅增0.2%，斯坦福等校招生下滑。AI自动化初级编程岗位，致就业前景暗淡，如田纳西大学博士生求职8个月无果。不过也有人认为低迷或为短期，专家建议选培养可迁移技能学科。