「代码生成基准」共找到 4210 篇相关文章
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。
Nature警告：AI「数据饥渴症」引爆学术宕机潮！90%知识库濒临崩盘
Nature揭露AI爬虫疯狂「啃食」学术网站数据，致服务器瘫痪。DiscoverLife、BMJ等受影响，运营方难防「坏爬虫」，急需国际协议规范AI数据使用。
Mamba 架构实现推理性能超 Gemma3-27B！推理模型开始迈入「无注意力」时代
PromptCoT - Mamba是首个具解码显存常量等特性且推理能力强的模型。当前推理大模型中注意力机制有局限，PromptCoT - Mamba实现无注意力推理，在多评测集超Transformer等模型，为无注意力推理生态奠基。
推理“刹不住车”？新框架让DeepSeek-R1们告别过度思考，已开源
DeepSeek - R1等推理模型能力增强，但出现过度思考问题，如步骤繁冗、表述拖沓、输出冗长。浙大等团队提出Self - Braking Tuning（SBT）框架，能让模型适时终止推理，在多数据集测试中效果显著。
R1时代，RAG-Retrieval技术总结与展望~
RAG - Retrieval提供全链路RAG检索模型微调、推理及蒸馏代码，支持多模型、多loss和训练方式。还发布模型技术报告，设计评估框架，未来探索RL在检索领域应用。
全靠Claude4！30年FAANG老工程师：AI帮我解决了4年老bug
5月22日Anthropic推出Claude 4系列大模型，Claude Opus 4是领先编码模型。Reddit上30多年经验的前FAANG工程师称，它解决了困扰自己4年的C++ Bug，引发热烈讨论。
Adaptive Reasoning Model：Qwen3混合思考->字节AdaCoT->清华AdaThinking
文章介绍三种处理混合思考模式的方法，阿里 Qwen3 通过 SFT 让模型具备思考能力，但需人为控制；字节 AdaCoT 和清华 AdaThinking 让模型自主决定是否思考，分别用多目标优化和受限优化目标训练。
All In AI的Google I/O 2025还开源了一系列模型，冲~
谷歌CEO称Google IO 2025上，数十年AI研究成果已成为现实。大会亮点多与AI相关，如Gemini 2.5系列模型表现出色，还有Veo 3等。此外，还开源了medgemma、gemma - 3n等模型。
2.5亿估值、硅谷爆火，AI笔记产品Granola如何成为独角兽创始人新宠？
AI笔记产品Granola 2024年5月上线，获知名VC合伙人青睐，5月14日完成4300万美元B轮融资，估值2.5亿美元。创始人Chris Pedregal表示，其核心是“非常个人化”并赋予用户极致“控制权”，未来目标是帮用户完成多数工作。
全球首次实测通过！CMU华人用AI设计的乐高「不翻车」
CMU研究人员提出LegoGPT，它微调Meta的LLaMA模型，结合47000个稳定结构数据集，确保98.8%的乐高设计符合物理定律，可实际搭建。目前，数据集、代码和模型均已开源。