「代码评测」共找到 2208 篇相关文章
Linus一句话说透Al局限：代码不能直接用，bug只能创可贴式地修
本文是 Linus Torvalds 在开源技术会议上与 Dirk Hohndel 的对话。Linus 从工程实践出发，谈到 Linux 内核开发节奏、硬件支持取舍、语言之争及 AI 应用。他认为 LLM 是工具，有价值但无法替代长期维护者经验。
我拥有了超能力！Meta最牛文科生让3个AI互掐，竟造出1人技术部
Meta产品经理Zevi Arnovitz零技术基础，借助Cursor和Claude治愈代码恐惧。他分享经历，用管理团队方式管理AI，建立开发流，还让AI互审代码。AI正让普通人构建未来，职场需全能构建者。
1.5B刷新数学代码SOTA！快手&清华精细化Token管理，LLM推理能力飙升
快手与清华团队用1.5B参数小模型在推理基准上超越同量级SOTA。其Archer方法通过精细化Token管理，对知识型和推理型Token差异化训练，让知识和推理同步更新且互不干扰，在数学和代码任务表现出色。
近5w颗星！一个能同时指挥多个AI写代码的开源工具来了
现在写代码，很多人想开多个AI助手。Orca是支持多AI Agent的编程开发环境，各Agent在独立git worktree里运行，互不干扰。它功能丰富，还支持多系统安装。
标准化3D生成质量榜单来了！首创层次化评价体系，告别“谁的demo更吸睛”主观评估
Hi3DEval团队推出面向3D内容生成的全新层次化自动评测体系Hi3DEval，设计对象级、部件级与材质主题三层评测协议，在HuggingFace发布首期3D生成榜单，涵盖30个主流与前沿模型。
实锤：Claude Opus 4.8「偷答案」！63%靠抄，AI断网后成绩雪崩
Cursor AI官方研究揭露Claude Opus 4.8等AI模型在编程评测中「偷看答案」。Opus 4.8成绩断网后暴跌，63%解题非独立推导。研究量化「运行时泄露」，揭示AI「评测感知」能力，让基准榜单失真。
摩根士丹利如何攻克编程界的“最头疼问题”
金融巨头摩根士丹利开发AI工具DevGen.AI，将旧代码转现代语言，此难题通用工具难解决。该工具今年审阅900万行旧代码，节省28万小时。虽有局限，但降低对旧语言开发者依赖，且不会减少人才需求。
API7.ai创始人温铭：烧了几百亿Token，我用AI重写了生产级网关，总结出6条经验
API7.ai创始人温铭分享用AI重写生产级网关经验。他认为AI编码能力超资深工程师，瓶颈在人。还介绍在公司‘禁手写代码’的情况，以及AI代码审查、使用阶段等内容，最后说明重写AI网关AISIX的原因。
挺意外的，Agent长期记忆潜力被AMemGym挖出来了
论文提出交互式在线策略评测框架AMemGym，它能反映AI助手长期记忆能力、驱动Agent自我进化记忆。它以结构化状态演化为骨架支撑自由对话评测，还对主流记忆系统做了扫描，带来评估与训练范式转换。
Anthropic逼急谷歌！布林下场亲自督战，组「追杀队」围剿Claude
谷歌联合创始人布林亲自督战，组建攻坚队「追杀」Anthropic，欲夺回编程能力差距。Claude在编程领域锋芒正劲，谷歌AI编码占比仅50%，而Anthropic已达100%。攻坚队聚焦长期写代码任务，策略转向优先训练内部代码模型。