「AI基准测试」共找到 10907 篇相关文章
腾讯悄悄上线了“Claude Code”，居然还支持微信登录。
腾讯悄悄上线CodeBuddy Code（Claude Code），定位为AI CLI，能在命令行完成编程任务。作者测试用其开发MCP服务，速度快且功能全，还介绍使用方法，不过产品有稳定性问题，仍有潜力。
慕了！内存芯片巨头年终奖人均64万；32岁程序员猝死背后公司被扒，曾给39万“封口费”；马斯克曝星舰成本将降99%，商业航天受捧｜AI周报
这是一篇AI周报，涵盖多领域热点。如SK海力士发高额年终奖；月之暗面张予彤称Kimi用少量资源开发领先模型；马斯克透露星舰目标、人形机器人计划等；多家公司有新动态，如阿里推AIGC应用、百川发布医疗大模型等。
Hinton突然对AGI乐观了！“Ilya让他看到了什么吧…”
Hinton接受独家访谈，将AI风险分短期和长期，认为长期是AI接管人类。他观点大转变，从“养虎为患”到提出赋予AI“母性本能”实现共存，还批评马斯克和奥特曼，看好AI医疗应用。
多智能体大语言模型中的人类自适应协作
尽管大语言模型有进展，但纯自治多智能体系统有局限。为此提出 HILA 框架及双环策略优化机制，结合 DLPO 的 HILA 在基准测试中表现出色，为构建 Agentic 系统提供指导。
8.5K星 Agent 记忆准确率 94.6%，RAG那套被打穿了
AI Agent常没记忆，每次对话像白纸。Hindsight（vectorize-io/hindsight）有8500+ star，是仿生记忆系统，分三层记忆，检索系统TEMPR四路并发，在测试中成绩优异，且上手简单，能让Agent从经验学习。
比思维链准43%！逻辑脑+大模型直觉，推理可靠性大幅提升
中德研究团队发布成果，给大模型外挂「逻辑脑」，结合答案集编程与LLM，构建神经 - 符号框架，提升空间推理准确率，让AI能说清逻辑、跨任务迁移，迈向更可靠的通用推理。
黄仁勋放话：英伟达全员拥抱智能体！
黄仁勋称英伟达全员将配AI助手，未来AI智能体成主流。Meta小扎、微软纳德拉等也认为AI重塑开发者角色。当下AI编程工具掀起革命，虽有局限，但已改变开发周期，企业多已应用。
GPT-5.2降智遭全网差评！奥特曼慌了
OpenAI推出GPT - 5.2，却未打赢谷歌。第三方数据显示Gemini 3 Pro更优，GPT - 5.2在多项基准测试表现不佳，可信度不如GPT - 5.1，遭开发者吐槽。OpenAI为此调整策略，但仍处被动。
代码、多模态检索全面登顶SOTA！智源BGE向量模型三连击，并全面开放
检索增强技术在代码及多模态场景作用大，向量模型是关键。智源研究院联合高校研发三款向量模型BGE - Code - v1、BGE - VL - v1.5、BGE - VL - Screenshot，登顶多领域测试基准，已全面开放助力研究与应用。
The Batch: 978 | DeepSeek-V4-Pro 更新了
DeepSeek发布旗舰模型DeepSeek-V4-Pro-0813正式版，性能提升，还发布开源agent harness开发者预览版并提价。模型在多指标表现佳，编码能力改进明显，公司公开基准测试框架意义大。