「代码评估数据集」共找到 4416 篇相关文章
科研数据不再碎片化！一张可计算图，连起整个科研世界
UIUC研究团队打造ResearchArcade，将ArXiv论文、OpenReview评审等碎片数据连接成动态知识图谱。它有多源、多模态等特征，支持多种格式数据导入导出，定义了六个任务，验证了图结构在科研数据处理中的作用。
刚刚，AI大牛Karpathy又提新概念：像细菌一样写代码？
AI大牛Andrej Karpathy继Vibe Coding后提出「细菌式编码」，受细菌代码启发，有小而精简、模块化、自包含特点，其核心是让代码利于共享。它适合快速原型开发，也有局限，建议兼顾两者。
当代码江湖遇上智能副驾：一场开发效能的「御剑飞行」
文章以代码江湖为喻，介绍开发者困境，引出智能GitHub Copilot副驾驶。它能提升开发者工作满意度和代码编写效率，全球2000万开发者在用，微软还持续创新。11月14日将举办分享会探讨其应用。
这个Skill太香了！Karpathy说的AI写代码的毛病，直接治好
GitHub上的开源Skill andrej - karpathy - skills受Karpathy启发，能解决AI写代码的毛病。它将Karpathy洞察提炼成四条原则改造AI Agent行为，安装简单，可自定义，能约束Agent，让开发者关注关键判断。
We-Math 2.0：全新多模态数学推理数据集 × 首个综合数学知识体系
北京邮电大学、腾讯微信、清华大学团队提出We - Math 2.0，含知识体系、数据集及训练策略，可提升模型数学推理泛化能力。该成果在X上获关注，登Huggingface Paper日榜第一。
当AI接管70%代码审查工作，剩下的30%才是 “地狱模式”
2024年初“Vibe Coding”成热词，其虽能快速验证想法，但在大型企业项目中“不可控性”凸显。亚马逊云科技研发的Kiro，尝试解决“从提示词到生产”的断裂问题。目前代码审查多采用混合模式，AI仅处初级阶段。
华人团队终结Token危机：扩散模型数据潜力超自回归三倍
最新研究发现，token数量受限下，扩散语言模型数据潜力超自回归模型三倍多。一个1B参数的扩散模型用1B tokens训练，在基准测试取得不错准确率，且未现性能饱和。
InfoDeepSeek：首个开放网络环境下的智能体信息搜寻质量评估基准
上海交通大学与华为诺亚方舟实验室联合推出InfoDeepSeek，它是首个评估真实动态网络环境下智能体信息搜寻质量的基准。该基准有挑战性问题、真实动态环境等亮点，还开展实验揭示智能体行为特性。
Cursor押注云端Agent！CEO 放话：审核AI代码是开发者最核心竞争力
Cursor CEO 称 AI 编程进入第三时代，智能体可少人工介入完成复杂任务，开发者角色转变。Cursor 团队超三分之一 PR 由云端智能体生成，不过这引发了开发者对代码审查、工作流、安全等问题的讨论。
开源屠刀！400美元炼成「代码副脑」，硅谷天价模型成废铁
AI2开源Open Coding Agents，以最低数百美元算力成本，能训练贴合私有代码库的专属编程智能体。SERA-32B表现惊艳，其软验证生成技术降低成本，新代码易部署且兼容Claude Code。