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

GitHub 已被各类Agent霸榜，今天挑选5个高star Agent

文章挑选5个GitHub高star Agent项目。如Hermes Agent是开源自改进AI Agent，有自主技能创建等特性；GitNexus是纯浏览器端代码智能工具；Shannon是白盒AI渗透测试工具等。

Meta超级智能实验室首个作品Muse Spark上线，跑分从18飙到52，盘中暴涨10%。它是「全能六边形战士」，有原生多模态感知等能力，上线「沉思模式」，功能先在美国铺开，未来接入社交平台，免费用但闭源。

VLM在3D空间推理上表现不佳，且缺乏合适测试基准。匹兹堡大学团队提出InfiniBench框架，用LLM Agent迭代优化和聚类策略，可按需生成3D场景，还能精准定位大模型空间推理缺陷。

最新数据显示，Claude背后的Anthropic年化营收突破300亿美元，首超OpenAI。其大部分收入来自API，企业客户增长迅猛。还与谷歌、博通签数GW级TPU算力协议，2027年供货。

在检索增强生成系统中，稠密检索器是核心组件，但传统训练方法有局限。德国达姆施塔特工业大学蔡丰宇团队提出Revela，将检索器训练目标统一到语言建模框架，优势明显，实验效果佳。

阿里云CIO与40余家头部企业CXO深度碰撞，总结出《企业智变下的CIO集体之问》。报告指出企业AI落地困境，如数字人认知混沌、知识库建设难等，探讨十大经典问题，为企业提供思考方向。

中科院联合多机构及顶尖学者合作，系统梳理世界模型建模范式、方法等，归纳为四大分支，还梳理其在多领域应用、基准数据集等，讨论走向通用智能面临的障碍。

Google Cloud发布指南，总结五种Agent Skill设计模式，含完整ADK代码示例，如Tool Wrapper、Generator等。各有应用场景且可组合，能避免将复杂指令塞在system prompt，构建可靠agent。

OpenAI公开用Codex + Skills维护Agents SDK开源项目的方法论。通过AGENTS.md、Skills和GitHub Actions配合，将重复性工作自动化，PR吞吐量涨45%。还介绍了Skill设计、规则设定、测试策略等，且方案组件已开放。

GPT-5.4发布，作者对比OpenAI、Anthropic、Google三家模型数据发现它们不在同赛道。GPT-5.4适合白领工作，Claude擅编程，Gemini重推理与性价比，且OpenAI因合同问题流失用户。