「代码生成基准」共找到 4239 篇相关文章
小模型推理极限在哪里？微博开源3B小模型，比肩顶级闭源
微博新开源的VibeThinker - 3B小模型，将特定能力维度性能推向极限。它在数学竞赛、编程等可验证推理基准上表现优异，成绩直逼顶尖大模型。其训练流程层层叠加，还提出参数压缩 - 覆盖假说。
少 61% Token、多10倍成功率，这个终端 AI 编程代理火了！
现在多数AI编程工具问题多，而在Github上火爆的`oh-my-pi`是运行在终端的AI编程代理，有哈希锚定编辑等实用功能，支持多模型，经基准测试效果好，还能解决实际开发痛点。
Altman拿Token换股权只够烧45天，20亿Token捐母校只值100块：Token真成“钱”了，谁更赚？
本文围绕AI Token展开，讲述OpenAI用Token换创业公司股权，00后捐20亿Token给母校，还探讨了“tokenmaxxing”现象及问题，指出AI行业经济账未算清，企业客户成本高，AI成管理层压迫工具。
首个语音智能体端到端测评出炉：Grok登顶，真实场景通过率仅一半
Artificial Analysis推出业内首个语音转语音智能体端到端性能基准τ - Voice，测试真实客服场景能力。结果显示最强S2S模型成功率刚过一半，Grok Voice Think Fast 1.0夺冠，但也面临诸多质疑。
他用AI办了个音乐节，主题：别读博
科研人“馄饨皮茄总”用AI办“不读博音乐节”，系列歌曲在B站获超5000万次播放。他用科研方法论做音乐，选歌、填词、生成音乐都有严格标准。歌曲治愈了科研人，也让他找到与世界的连接。
Skills驱动推理新范式，清华&北大：Token立省59%，准确率不降反升
当前推理模型虽准确率高，但生成“思考过程”会使推理成本和延迟上升。奇元科技、清华、北大等提出TRS框架，将历史推理轨迹蒸馏成技能卡片，在推理时检索注入，实现更少Token、更高准确率。
全员 token-maxxing，一场没人敢停的军备竞赛｜五源孟醒 AI 观察
2026年3月底，五源资本合伙人孟醒赴硅谷考察，回国后分享一手观察。当前AI迭代极快，硅谷陷入全员token - maxxing军备竞赛，xAI团队雪崩，工程师和研究员焦虑，英伟达掌控算力，估值体系重写，还出现安全危机。
Altman 亲自坐镇发布 ChatGPT Image 2，小编实测：风格、画质、叙事感全都夯爆了
OpenAI CEO Sam Altman 亲自发布 ChatGPT Images 2.0，这是该公司迄今功能最强的图像生成模型。它有思考能力，可直出 8 张连贯图片，支持多语言、多种画幅与分辨率，能精准执行复杂指令，直接商用也没问题。
97年金融男带8只「电商龙虾」全球开店！2个月后同行慌了
阿里版「电商龙虾」Accio Work打通国际站，一个工作台可全包选品、发品等七个岗位的活。它结合多维度数据助力选品，还能进行广告诊断、店铺运营等，在不同商家案例中成效显著。
OpenAI彻底重构Codex！长出独立鼠标，自己排班狂卷打工人
OpenAI重磅更新Codex，它能在后台开模拟器、修Bug，不影响前台工作。有独立光标，支持在渲染网页上操作改代码，还上线90多款插件，新增‘心跳’机制，能自己排班，补齐日常刚需功能。