「代码评估数据集」共找到 4471 篇相关文章
八年孤独，Iceberg 赢得世界
本文讲述 Iceberg 的发展历程、技术特性、用户案例及商业生态。它从解决 Hive 痛点孵化，经开发者、客户、厂商推动成开放表格式标准。其 V3 Spec 补充短板，社区开始构想 V4 。诸多科技大厂深度使用并贡献代码。
AI Agent时代的「AWS」：Manus 背后的重要功臣 E2B 是何来头？
文章介绍 E2B 这一开源基础设施，它为 Manus agent 提供虚拟电脑支持，允许在云端安全沙盒运行 AI 生成代码。其沙盒月创建量一年增 375 倍，CEO 目标是成 AI Agent 时代的 AWS，还探讨了 AI Agent 相关问题。
AIGCode宿文：我就是要自训练大模型，直接做「L5」| AI产品十人谈
AIGCode宿文坚信Coding是培育大模型的最佳场景，公司自训练66B基础模型，发布锡月大模型，开启AutoCoder内测。宿文认为AI Coding能解决代码供给问题，目标是实现AGI，虽面临诸多质疑，但他坚持直接做L5。
把 Gemini 和 GPT 放到《我的世界》当教练，谁能看懂机器人的微操？
国立清华与英伟达团队研究《VLM-AR3L》，把Gemini 2.0、GPT-4.1等拉进考场，评估视觉裁决能力。结果显示Gemini综合最稳，开源小模型特定场景反超。还提出VLM-AR3L框架破使用瓶颈，实战超人类手写奖励。
估值神话即将崩盘？Palantir CEO狂喷OpenAI和Anthtropic：拿走企业核心机密还要收过路费
Palantir CEO Alex Karp在电视采访中拆解OpenAI和Anthropic商业模式，指出企业花买token的钱未获匹配价值，商业机密被拿走。他质疑按token收费机制，认为不能稳定创造价值。还指出企业数据可能使模型取代自己，行业高估值或松动。
Anthropic更新了Skill Creator，评测框架上线
Anthropic更新Skill Creator，上线评测框架。该框架无需写代码，能处理两类技能测试需求，可测试和改进技能，有捕获质量回归等用途。还增加基准模式、多Agent支持等，能让技能触发更可靠，更新已在Claude.ai等可用。
Qwen负责人转发2025宝藏论文，年底重读「视觉领域GPT时刻」
2025年末，Qwen大模型技术负责人林俊旸转发谷歌DeepMind入选ICCV 2025的论文，指出视觉领域“GPT时刻”要来了。研究用实验数据证明，视频模型正跳出任务专属局限，实现一个模型完成多视觉任务，推理过程还能被CoF“演”出来。
vivo AI Lab提出自我进化的移动GUI智能体，UI-Genie无需人工标注实现性能持续提升
香港中文大学MMLab和vivo AI Lab团队提出自我进化框架UI - Genie，构建奖励模型UI - Genie - RM解决轨迹验证难题，通过数据生成和模型迭代闭环实现智能体与奖励模型双向增强，在多基准测试中表现出色，打破人工标注瓶颈。
谷歌新版Gemini一夜端掉UI：单HTML文件复刻macOS，成功率100%
谷歌新版Gemini 3.0 Pro能力惊人，几行提示词就能在浏览器复刻苹果macOS，还能生成网页版Windows、Linux，功能完整且能一次生成，代码已公开。不过有网友指出这只是模拟环境。业内推测其或在未来几个月发布。
开源Agent模型榜第一名，现在是阿里通义DeepResearch
阿里开源首个深度研究Agent模型通义DeepResearch，在多权威评测集上超越多个Agent模型。它采用多阶段数据策略，有两种推理模式，革新训练流程，已赋能高德出行Agent和通义法睿等应用，且模型等均已开源。