「编程能力评估」共找到 4430 篇相关文章
开源Qwen一周连刷三冠，暴击闭源模型！基础模型推理编程均SOTA
通义千问卷疯了，Qwen3-Coder刚登场，全新开源Qwen3系列最强推理模型Qwen3-235B-A22B-Thinking-2507又刷新SOTA。一周内，通义千问完成开源三连，在基础模型、编程模型、推理模型方面均达全球开源最强。
马斯克首个编码模型上线，编程飙进Top5！这9位华人天团爆肝打造
xAI上线首个编码模型Grok Code Fast 1，速度快且性价比高，在编程基准测试中冲进前五。它全栈开发能力出色，背后核心团队华人学者占多半，xAI还给出提示词编写指南。
一文读懂深度表格数据表示学习 | 南京大学
南京大学团队系统介绍表格表示学习领域，将现有方法按泛化能力分三类，比较DNN与树模型优劣，剖析核心挑战，探讨扩展方向及数据集评估策略，旨在建跨数据集稳健评估体系。
Claude Code 生成 13 种编程语言代码基准测试：动态语言更快更省成本
Ruby 代码提交者远藤裕介评估 Claude Code 用 13 种编程语言生成代码的效率。经 600 多次测试，动态语言更快、更省成本且更稳定，静态类型语言慢且成本高。实验有局限，也引发质疑与回应。
GPT-5实锤，悄悄上线代号「龙虾」！版本号曝光，实测编程惊人能改屎山代码
代号「龙虾」的神秘模型在WebDev Arena现身，网友猜测是GPT - 5，提前试用者称其编程能力惊人，能改屎山代码。多位用户表示其在代码生成等方面超越Claude，OpenAI或已秘密测试。
量子位专访楼天城：AI是匹脱缰野马，Harness是这个时代最关键的能力
量子位专访小马智行CTO楼天城，他认为AI如脱缰野马，Harness是关键能力。小马智行发布PonyWorld世界模型2.0，人类不再是中心，AI成总教练，能自我诊断和定向进化，还探讨了诸多自动驾驶及AI相关问题。
AI 编程别光凭感觉：手把手实操 SDD，把 Vibe Coding 拉回工程轨道。
在AI编程中，“Vibe Coding”模式在大型项目上存在弊端，易带来架构不一致等问题。规范驱动开发（SDD）应运而生，它将重心移到“定义规范”。文章介绍了SDD理念、工具、流程，还给出实操步骤与落地建议。
GPT-5.2考赢人类！OpenAI警告：大模型能力已过剩，AGI天花板不是AI
GPT - 5.2在ARC - AGI - 2基准测试超人类，Poetiq系统让其准确率从60%提至75%。OpenAI称大模型进入‘能力过剩’阶段，未来AGI进展不止靠模型，更需人机协同。
快手Klear-Reasoner登顶8B模型榜首，GPPO算法双效强化稳定性与探索能力！
快手Klear团队推出Klear-Reasoner模型，基于Qwen3 - 8B - Base打造，在多基准测试达同规模SOTA。其核心GPPO算法能强化稳定性与探索能力，团队还对训练流程多环节深入分析，给出优化策略。
ACL 2025 | 大模型乱试错、盲调用？KnowSelf让智能体有「知识边界感知」能力
ACL 2025 论文《Agentic Knowledgeable Self-awareness》聚焦提升智能体「知识边界感知」能力。KnowSelf 方法让智能体自主调节知识运用，实验显示其性能优，还探索了智能体自我认知多方面影响。