「代码评估数据集」共找到 4416 篇相关文章
操控宇宙万物？Gemini3.0生成最火的3D粒子交互案例（圣诞老人、Jarvis）丨附HTML.代码
最近用Gemini 3.0或GPT 5.2做3D粒子交互爆火，能生成可手势操作的爱心、圣诞树等。以往需数天写代码，现在和AI对话几轮就行。文中给出基础提示词，还展示多个案例及HTML代码获取方式。
AI能否「圣地巡礼」？多模态大模型全新评估基准VIR-Bench来了
来自日本高校和企业团队提出多模态大模型评估基准 VIR-Bench，用于评测 AI 对旅行视频中地理位置与时间顺序的理解。它将任务拆解，构建数据集，实验显示模型虽有改进但性能远未达标，指明了大模型进化方向。
Node.js之父宣判“手写代码时代结束”！DHH明确反对“结束论”：大模型还差口气，手写更有竞争力
Node.js之父Ryan Dahl宣称人类写代码时代结束，而Ruby on Rails作者DHH反对，认为大模型还差口气，手写代码仍有竞争力。DHH分享AI使用体验，指出距AI带来明显优势的拐点还差一点，还探讨互联网和产品发布等问题。
打造图像编辑领域的ImageNet？苹果用Nano Banana开源了一个超大数据集
苹果研究团队提出Pico - Banana - 400K数据集，基于Nano - Banana在OpenImages实拍照片生成编辑对。其系统化设计保证质量与多样性，还构建自我编辑评估流程，为图像编辑模型训练评测奠定基础。
MCP上下文爆炸怎么办？Anthropic给出了新答案（图文示例）
文章结合Anthropic和Cloudflare关于MCP的文章，指出MCP上下文过长存在工具定义预加载和数据反复流经AI两个核心问题，提出让AI写代码调用工具的解决方案，包括按需加载工具和代码在沙箱执行。
72天，从0到千万小时产能，这个具身「新锐派」凭什么接管数据赛道？
觅蜂科技成立72天亮出破局方案，推出MEgo系列无本体数据采集硬件，同步发布数据服务平台、治理引擎，启动蜂巢数据共创行动，与多家头部企业合作，欲解决具身智能数据难题。
一篇论文改写AI科研评价规则！中国公司拿出实践数据，双榜第一、成本更低
今年科技巨头入局AI4S，想打造“AI科学家”。8月19日《Measuring AI Scientists: From Exams to Discovery》论文提出评价范式。深度原理MIRA平台是现实样本，在评测中表现优异，沉淀闭环数据。
OCR-Reasoning：揭秘多模态大模型在复杂图文推理中的真实能力
主流OCR评测基准聚焦信息抽取任务，而图文推理任务缺乏系统性评估标准。OCR - Reasoning可系统性评估多模态大模型深度推理能力，还给出多种推理示例，并展示了测评Qwen2.5 - VL - 7B模型的代码。
GPT之父把AI扔回1930年：没见过一行代码，却「发明」了Python！
GPT之父Alec Radford带队发布总参数130亿的大模型「talkie」，其训练数据冻结在1930年，没学过编程却能写Python代码，证明LLM可用旧知识推理。团队后续还有升级计划。
多人会话视频生成新突破：香港科技大学，浙江大学用单人数据实现多人交互视频生成
香港科技大学、浙江大学等开源 AnyTalker，提出音频驱动多人交互生成新范式。它用创新机制和两阶段训练策略，以少量数据实现多人视频生成，还构建评估指标，性能超现有方法。