「编程基准」共找到 1887 篇相关文章
AI的记忆问题解决了！最强记忆基准99%的准确率
Supermemory团队构建的实验性AI智能体流程，在LongMemEval基准测试中达近99%准确率。其技术摆脱传统限制，以新方式处理信息。ASMR创新数据摄取和检索管道，有两种回答流程，团队计划开源代码。
NVIDIA团队让编程Agent接管真实机器人实验，成功率达99%
NVIDIA GEAR 实验室负责人介绍 ENPIRE 项目，首次在机器人硬件实现自动化研究。让 8 个 Codex Agent 驱动闭环，完成高精度任务，成功率 99%。项目计划开源，还提出 MRU 与 MTU 指标。
Andrej Karpathy：一场里氏 9 级的大地震正在重塑整个编程行业
文章围绕AI在编程领域的应用展开，作者与大师交流AI Coding方式，后提及Andrej Karpathy观点，指出编程行业正被重构，程序员需掌握新抽象层，应对不稳定智能系统。
爽！AI编程2年半，终于用上了喂饭级的API！
作者分享对接智谱API的超爽体验，5分钟搞定。强调在Agent工作流里文档质量影响成功率，对比某作图API凸显差距。指出2025年后AI Agent成API主要用户，智谱和Cloudflare站对边，体现Agent First思维。
Science重磅：AI编程新手与资深开发者之间的差距巨大
《科学》杂志发表的AI编程全球调查研究显示，美国程序员提交的Python代码中29%由AI代笔，资深开发者借此拉大与新手差距。研究团队用GraphCodeBert模型分类器扫描代码，揭示技术扩散差异与隐忧。
告别碎片化日志：一套方案采集所有主流 AI 编程工具
在AI编程工具普及的当下，有效采集和分析AI代码生成数据成重要课题。该文介绍一套基于MCP架构的多AI工具代码采集方案，支持多种工具和操作系统，有轻量化、用户无感等特点，已和Aone合作。
刚刚，OpenAI 发布 GPT‑5-Codex 新模型，专为编程而生
OpenAI 发布专为 Agent 编程优化的 GPT-5-Codex 新模型，在动态思考、性能、代码审查等方面表现出色。同时，Codex 平台大升级，集成 GitHub，保障安全隐私，还公布了定价与可用性。
视频模型假装在推理？MME-CoF新基准评估12个推理维度
视频生成模型如Veo - 3能生成逼真视频，但推理能力存疑。香港中文大学等校研究者设计12项测试，发现模型只能模仿表面模式，未真正理解因果。研究推出MME - CoF基准，为评估指明方向。
AI集体“听不懂”！MMAR基准测试揭示音频大模型巨大短板
MMAR基准测试对30款音频相关模型进行测试，结果显示，多数开源模型面对复杂音频推理任务远未达实用水平，音乐任务中所有模型表现不佳，且有显式推理能力的模型表现更优。
AI编程Token消耗降低神器：RTK（Rust Token Killer）实战指南
文章介绍RTK（Rust Token Killer），它能在CLI命令输出到LLM上下文前智能过滤压缩，节省60 - 90%Token。文中说明了其原理、特性、压缩策略，还给出安装配置步骤、实测数据及使用建议。