搜索：代码评估数据集

「代码评估数据集」共找到 4471 篇相关文章

GPT-5.6紧急叫停！OpenAI最强模型被迫「一客一审」

因网络安全考量，OpenAI最强模型GPT-5.6被紧急叫停，进入「逐个审批」时代，先有限预览，客户访问权限逐一审批。开发者已发现其相关代码，它在前端UI设计等方面实力大涨，但发布开关被拿走。六月三大旗舰模型集体卡壳。

物理AI是全球科技竞争焦点，深度机智率先定义‘人类学习’技术路线，成立一年全链路落地。近日完成数亿元融资，下轮融资收尾。其数据、模型、硬件成果显著，产品全落地，订单数千万元，团队强大，将推动国产物理AI普及。

Anthropic最新研究「模型规范中期训练」（MSM）显示，相同训练数据配不同行事原则，模型表现不同。MSM在预训练和对齐微调间加中间阶段，让模型读规范文档理解准则，在特定实验中，将Agent失控率从54%降到7%。

陶哲轩判断数学从证明稀缺进入过剩时代，AI 使证明生成加速，出现验证和消化跟不上的‘阻抗失配’现象。如 Erdős 问题有众多待评估方案堆积，而仅1196号案例跑通‘三件套’。他还指出学术评价体系将重写。

在Google和Meta“垄断”的广告领域，AppLovin成为新巨头。新任CTO葛小川分享工程数据，该公司基于机器学习的广告竞价系统日处理超1000亿次请求，核心工程团队不到100人。文章讲述其发展历程、技术突破及未来规划。

本文整理自阶跃星辰语音模型负责人杨学锐在2025年QCon全球软件开发大会的分享。介绍大模型对语音技术的重塑，涵盖识别、合成等方面；阐述端到端语音模型构建，涉及表征、架构、训推和任务；还提及模型评估方法。

腾讯混元团队联合Robotics X实验室推出HY - Embodied - 0.5系列基础模型，含MoT - 2B和MoE - 32B两款主力模型。在22项评测中，MoT - 2B获16项最佳，其架构、数据和训练有创新，能应用于机器人控制。

北京理工大学和理想汽车等团队提出全新框架PhysGM，引入DPO实现端到端快速前馈推理，能1分钟内将单图生成为4D动态视频，在速度和评价指标上超越主流模型，相关工作被CVPR 2026接收且代码已开源。

文章分享了服务 AI 公司时在 Agent 场景下数据库架构的实践与思考。介绍 Agent 工作负载特征，通过三个案例说明数据库面临的挑战及解法，还提到新需求催生开源项目 mem9，并给出实践教训，指出 AI 时代数据基建重要性。

近日，一名OpenAI工程师在公开的Codex GitHub仓库中提交拉取请求，让GPT - 5.4型号出现在代码版本判断条件中，同时有用户发现它曾短暂出现在Codex应用的模型选择器里。线索被迅速修改或删除，引发诸多猜测。