「代码生成基准」共找到 4239 篇相关文章
视听分离SOTA提速6倍！清华发布首个6M高性能模型｜ICLR'26
清华大学团队推出Dolphin模型，仅用6M参数，通过离散化视觉编码和热扩散注意力机制，实现单次推理精准分离语音，速度提升6倍以上，在多项基准测试中刷新纪录，为端侧设备部署开辟新路。
GLM-5深夜登场，这是国产开源模型首次逼平Claude Opus 4.5。
GLM - 5深夜发布且开源，参数量从355B扩展到744B，跑分仅次于顶级模型，开源排第1。能力逼近Claude Opus 4.5，BrowseComp基准得分超普通GPT - 5.2。价格便宜，是国内可用且性价比高的大模型。
首次！AI智能体破解「纳什均衡」，大模型学会博弈论｜Cell子刊
多所高校研究团队开发出PrimeNash大语言模型智能体框架，能自动推导纳什均衡闭式解析解并生成证明。它模拟人类科研路径，分三模块求解，经经典博弈验证，还在碳市场博弈展现应用潜力。
8B 端侧写作智能体 AgentCPM-Report 开源，DeepResearch 终于本地化
1月20日，8B端侧写作智能体AgentCPM - Report开源。它以端侧模型为核心，实现本地化部署与SOTA性能双重突破，亮点在于极致效能、本地安全保障，在多评测基准表现出色，部署便捷，两大创新支撑其优秀性能。
拿着做数学题的 PRM 来评判 Agent 调用工具，基本是行不通的！
目前评估体系多为结果导向，在工具调用上缺乏像样的PRM基准。Arizona State University和Intuit AI Research研究者推出ToolPRMBench，指出用做数学题的PRM评判Agent调用工具行不通，还介绍了其构建方法、训练范式和实验结果。
MiniMax把自家“实习生”放出来了！
曾经割裂需求、设计与代码的流水线正在消融，MiniMax上线的AI原生工作台Agent 2.0为此而来。它通过Desktop App与Expert Agents两大载体，可嵌入工作环境，现已开启封闭内测，能帮用户提升工作效率。
把大厂 10 年的职场经验，做成了一个「Coze Skill」—— 扣子 2.0 深度实测
作者实测扣子 2.0，介绍其「技能商店」功能，可将专家方法论封装成技能供调用。通过简历诊断、画架构图、生成 GEO 稿件三个场景展示提效作用，还提及「长期计划」功能，称扣子定位职场 AI，降低使用门槛。
Strix AI驱动的漏洞动态验证能力分析
传统SAST工具只能发现‘可能有问题的代码’，无法确认漏洞是否可被利用，导致高误报率。Strix采用‘静态分析 + 动态验证’的混合模式，先定位可疑点，再对漏洞进行真实攻击验证，显著降低误报率。
刚刚，智谱和华为搞波大的：中国首个国产芯片训练出的SOTA多模态模型！
智谱与华为合作开源新一代图像生成模型GLM-Image，是中国首个全程用国产芯片训练的SOTA多模态模型，擅长文字渲染，拿下多项榜单第一，API调用一张图只要0.1元，还解析了其技术架构。
刚刚，DeepSeek 突发梁文峰署名新论文：V4 新架构提前曝光？
今天凌晨，DeepSeek在其GitHub官方仓库开源了新论文与模块Engram。该论文提出“查—算分离”机制，通过引入可扩展的查找记忆结构，在等参数、等算力条件下提升模型表现，代码与论文全文均已开源。