「代码生成基准」共找到 4234 篇相关文章
万相2.6 X千问APP，功能价值和情绪价值兼具｜甲子光年
12月16日阿里发布视频生成模型“万相2.6”，实现“角色扮演”功能突破。千问APP接入后上线“AI小剧场”，打破次元壁。千问兼具功能与情绪价值，阿里全栈布局助力其成“超级入口”。
两个LLM互相对线，推理能力起飞：康奈尔团队发布大模型版类GAN训练法
康奈尔大学团队提出面向大语言模型的类GAN训练框架PasoDoble，通过对抗训练两模型提升推理能力，不依赖外部监督，在多模型实验中显著提升数学基准表现，不过在部分领域外任务有局限。
预测下一个像素还需要几年？谷歌：五年够了
谷歌DeepMind研究者分析下一像素预测在图像识别与生成任务中的扩展特性。实验显示其扩展趋势与文本类似但效率低，最优策略因任务和分辨率而异，预计未来五年逐像素建模可行。
大厂CIO独家分享：AI如何重塑开发者未来十年
阿里云智能集团副总裁、CIO 蒋林泉分享 AI 时代开发者竞争力构建。探讨技术贡献衡量、全栈工程师发展、产研与业务提效顺序、知识协作及大厂招人要求等，指出 AI 助发现并解决软件工程问题。
模型汤新做法！Meta｜提出“类别专家汤”：SoCE，大幅提升模型性能，刷新SoTA！
大语言模型领域，提升性能常需高算力、大量数据和长时间训练。Meta提出新型模型汤技术SoCE，通过分析类别相关性操纵模型权重，在BFCL上刷新SOTA记录，为开源社区指明低成本进化之路。
arXiv开始拒收综述论文了？「论文DDoS」这事，这篇NeurIPS论文早有讨论
近日，arXiv宣布拒收未通过同行评审的综述和立场性文章，危机源于生成式AI与大模型。上海交大团队中稿NeurIPS的论文，精准预见此危机，提出“综述论文DDoS攻击”概念，还给出应对策略。
6款小游戏难倒所有顶级VLM！愤怒的小鸟让它们全军覆没，性能不如随机猜测
淘天集团未来生活实验室提出首个系统性评估多模态大模型（VLM）交互式物理推理能力的综合基准DeepPHY。它集成六个物理环境，对17个主流VLM测试，揭示其在物理交互等方面短板。
NeurIPS 2025 | 中科大、港中深、通义千问联合发布CoRT：仅30个样本教会大模型高效推理，token消耗降低50%
大型推理模型在精确数学计算上存在问题，如认知冲突、行为低效、数据稀缺。中科大、港中深、通义千问联合推出CoRT框架，用创新数据合成与多阶段训练，提升模型推理能力和效率，成果已开源。
谷歌Gemini闹乌龙：我家狗子，竟被AI开除了「狗籍」！
2025年10月谷歌让Gemini for Home接管智能家居生态。它能识别人脸、快递等，还会生成家庭日报。不过，它也闹了把狗认成猫的乌龙。谷歌正改进识别准确度，这也是智能家居竞争中的小插曲。
字节Seed团队发布循环语言模型Ouro，在预训练阶段直接「思考」，Bengio署名
现代LLM依赖显式文本生成训练“思考”，未充分挖掘预训练数据潜力。字节Seed团队联合多家机构推出循环语言模型Ouro，将推理能力构建到预训练阶段，实现参数效率提升，还降低了有害性。