「Coding 基准测试」共找到 2875 篇相关文章
EMNLP 2025 | T2R-bench: 业内「首个」工业级表格生成报告评测基准
中国电信人工智能研究院推出业内首个面向真实工业场景的“表格到报告”基准T2R-bench，涵盖多领域真实表格、问题与人工标注关键点，配套创新性三维度评测体系。实验显示主流大模型在该任务上表现欠佳，提升空间大。
谁家更新日志那么长啊？Claude Code版本更新引围观，1096次提交一口气上线
Claude Code 从 2.0.76 版本更新到 2.1.0，合入 1096 个 commit，更新日志超长引网友调侃。重点更新包括 Shift+Enter 换行、钩子支持等。后续又有 2.1.1 和 2.1.2 版本修复问题，但有开发者不满更新多且 bug 多。
EMNLP25 | 北大x腾讯光子发布 C3 Benchmark：中英双语语音对话模型“地狱级”测试基准，直击语音对话模型软肋！
近年来语音对话模型受关注，但处理人类对话复杂现象的效能缺乏研究。北大联合腾讯光子构建中英双语C3 Benchmark数据集，评估模型应对复杂对话的能力，结果揭示性能瓶颈，为模型优化提供参考，代码和数据已开源。
Claude 吞噬整个AI编程栈？“Vibe Coding 公司的最大错觉是以为自己有护城河”
近日网友爆料 Anthropic 开发类似 Lovable 功能，要构建全栈式 Vibe 编码平台。此前 Claude Code 源码泄露，显示 Anthropic 补齐 AI 开发栈。AI 编程进入‘大收割时代’，模型厂商吞噬工具趋势显现，Lovable 等面临挑战。
ICLR 2026 | 越推越快! 首个面向「Test-Time Scaling」的投机解码基准
文章指出推理阶段扩展（TTS）能提升推理大模型解决复杂问题的能力，但会产生大量冗余计算。为此提出首个面向TTS的投机解码加速综合基准，评测显示N - gram方法在特定场景加速潜力大，混合策略性能更优。
Claude 吞噬整个AI编程栈？“Vibe Coding 公司的最大错觉是以为自己有护城河”
近日网友爆料Anthropic开发类似Lovable功能，可构建全栈应用。此前Claude Code源码泄露，展示其构建软件开发全流程“执行层”能力。AI编程进入“大收割时代”，模型厂商吞噬工具趋势显现，Lovable等平台护城河受挑战。
我做了个 Claude Code 对话共享工具，可以让别人半路接手你的工作。已开源
作者开发开源工具 cc-go-on，解决 Claude Code 等工具会话难共享问题。该工具可加密导出会话，支持接力对话，有五层安全防护，适配多工具，还待完善，邀开发者贡献。
Claude Code之父最新判断：AI时代团队分工被重写，这「五种人」最吃香
近日，Anthropic Claude Code 团队负责人 Boris Cherny 提出，随着职能融合，团队传统岗位标签将被 5 类新型角色取代，且成员角色不固定，需随项目变化，此观点引网友热议。
Claude Code 省 Token 指南：慎用 1M 上下文，不开新会话或者总是开新会话都不对
文章聚焦Claude Code省Token问题，分析配额消耗快的原因，介绍提示缓存机制，给出省钱策略、操作规则，还提及委派工作及澄清误解，强调让缓存多命中、上下文少装无关内容。
Gemini CLI 新升级：深度集成 VS Code，终于不用在终端和编辑器之间反复横跳了
Google发布Gemini CLI重要更新，实现与VS Code深度集成，从架构层面解决AI编程助手的上下文感知问题。新版本有工作区上下文感知和原生差异对比界面两个核心功能，还给出部署要求。