「Coding 基准测试」共找到 2875 篇相关文章
Claude Code把自己的提示词删掉80%，我照着砍了自己的60%
Anthropic将Claude Code系统提示词删减超80%，编码评测表现无明显下降。文章阐述删减背后判断，给出六条变化策略、四类文件写法及两条方法论，还介绍实施步骤，作者按此精简提示词约60%。
浙大推出首个「多图应用题」基准GSM8K-V，全面评估 VLM数学推理能力
浙江大学团队推出视觉数学推理基准GSM8K-V，将GSM8K映射为视觉对应版本。它数据可靠、覆盖全面，经三阶段构建。实验显示，现有视觉语言模型在视觉推理上短板明显，为模型发展指明方向。
刚刚，Claude Code 推出手机通知功能。被催着干活的打工人，从此不能再摸鱼……
Claude Code 新增手机推送通知功能，任务完成会主动 ping 手机，开启方式简单。它还支持桌面通知，与此前功能形成派活、执行、汇报闭环，解决了人如何知晓 AI 完成任务的问题。
11.4K Star！基于 AI 大神 Karpathy 的编程经验开源的 Claude Code 技能插件。
AI写代码常遇盲目假设、过度设计、乱改代码等问题。开发者把AI大神Andrej Karpathy经验总结成Claude Code插件andrej - karpathy - skills，设定四大原则，还介绍使用、验证及自定义方法。
53.7% 高学历政企人员“看走眼”！公文写作AI智能体首次通过图灵测试
2025数博会期间双盲测试中，53.7%高学历政企人员将‘方寸智脑’生成公文误判为人类作品。它与华为云合作，解决政务AI落地困局，实现政务公文写作三阶跨越，已服务众多用户。
马斯克放出编程界价格屠夫！Grok Code Fast 1：更快，更省，还免费
近日，马斯克旗下xAI发布全新编程模型Grok Code Fast 1，它为“代理式编程”而生，靠全新架构实现高速代码生成。在技术出色的同时，价格低廉还限时免费，虽在部分场景有不足，但仍是开发者实用工具。
告别评估乱象！首个视觉解释综合性基准发布，附人类真值 | KDD'25
埃默里大学团队推出首个视觉解释基准Saliency - Bench，构建8个任务的数据集，提供标准化评估流程与开源工具包，解决评估缺乏标准等问题，推动可解释AI向可靠、透明发展。
比 Context7 更靠谱：Exa-code 靠 1B+ GitHub 与 Stack Overflow 减少幻觉
Exa团队索引超1B+文档、GitHub仓库等内容，exa - code对其混合搜索、分块处理。它是首个为编码代理制作的Web规模上下文工具，在代码幻觉评估中表现超流行网页搜索工具，核心技术有专为AI的搜索引擎和高效返回上下文。
复制这套神仙配置，让Claude Code全自动修Bug！告别每天重复教AI写代码
Claude写代码常犯重复错误，根源是无跨会话记忆。Claude code创始人Boris Cherny爆料团队让Claude自纠错，并分享配置让其自动发现、修复错误且不再重犯，介绍各步骤及完整配置和前后对比。
代码检索新王登基！CodeFuse ｜ 开源C2LLM，用“注意力池化”刷新MTEB-Code榜单
蚂蚁集团与上海交通大学推出C2LLM系列模型，基于注意力创新池化机制解决代码表征痛点，登顶MTEB - Code榜单。作为CodeFuse Embedding开源家族成员，将全套回馈社区，为代码大模型研发提供基线。