「代码能力评测」共找到 4873 篇相关文章
ICML 2025 Oral | 从「浅对齐」到「深思熟虑」，清华牵头搭起大模型安全的下一级阶梯
在大语言模型加速进入高风险应用场景当下，“安全对齐”是挑战。如今广泛采用的“浅对齐”脆弱不堪。清华团队提出STAIR框架，能提升开源模型鲁棒性，还推出RealSafe - R1模型进行安全对齐。
Salesforce 最新研究：LLM 智能体 CRM 测试成功率低至 35%，保密意识还低，企业敢用吗？
Salesforce AI 研究团队新基准测试显示，LLM 智能体在 CRM 测试中表现欠佳，单步任务成功率约 58%，多步任务降至 35%，且保密意识低，与企业需求差距大。
AI自动写学术综述：10分钟生成6万字，成本不到四块钱
上海人工智能实验室等单位提出SurveyForge框架，能自动化生成高质量学术综述论文。它有双数据库协同驱动的大纲生成机制、学者导航代理SANA和并行生成与协调机制。还有SurveyBench评估框架，实验显示其效果好，应用前景广。
卷疯了！2.2k Star通用型、开源Agent平替Manus、GenSpark AI
2025 年是 Agent 之年，文中介绍了 Manus、GenSpark AI 两款闭源代理，还重点阐述开源的 II - Agent，它功能丰富，架构设计合理，在 GAIA 基准测试评估，性能可平替前两者。
人类程序员依然远强于LLM：为什么说 AI 目前还差点火候
Redis之父Antirez的博文指出人类程序员远强于LLM。他修复Redis向量集缺陷时，与Gemini 2.5 PRO交流，虽其有帮助，但人类跳出固有思维解决问题的创造力是LLM难以企及的。
900亿天津科技巨头，抓紧押注算力
人工智能产业爆发，算力成竞争核心。中科曙光股价乘风而起，但营收下滑、净利润增速放缓，创始人隐退、控股股东减持带来新考验。不过其全产业链布局或打开新空间，1 - 3月已恢复增长。
3200+ Cursor 用户被恶意“劫持”！贪图“便宜 API”却惨遭收割， AI 开发者们要小心了
近日，网络安全研究人员标记出三个恶意 npm 软件包，攻击 Cursor 编辑器 macOS 版用户，超 3200 次下载。这些包伪装提供‘最便宜 API’窃取凭据、替换代码，还凸显供应链威胁。
深度解读：关于 Jev 的几大疑问
本文针对全网爆火的AI模型Jev，梳理业界不同观点，解读其技术路线、核心特性、能力边界与适用场景，解答大众对Jev的核心疑问，客观分析其真实价值。
阶跃Step 5 Preview没赢GPT，但反而更好用了
本文作者实测600B参数量的阶跃Step 5 Preview大模型，从写码、幻觉控制、写作三个维度，对比GPT及其他国产头部模型，分享无滤镜真实体验，给出选型参考。
视频生成比播放还快：开源VDN-H3，14秒视频11秒搞定
近期，网络出现“无限流”视频，源于MiniMax H3。OpenVDN团队开源Video Delta Net（VDN），基于MiniMax H3使视频生成速度提升75到90倍，14.4秒的768p视频11.23秒就能生成。它采用混合思路，性能提升显著。