「SaaS - Bench」共找到 215 篇相关文章
伯克利最强代码Agent屠榜SWE-Bench！用Scaling RL打造，配方全公开
开源软件工程模型DeepSWE横空出世，基于Qwen3 - 32B，仅用强化学习训练，以59%准确率刷新SOTA。它采用rLLM框架、R2E - Gym环境，用改良GRPO++算法，还介绍了评估策略及训练挑战的解决办法。
Auto Research最后一块拼图，Frontier-Eng Bench登场，在工程闭环里死磕最优
Einsia AI旗下Navers Lab论文Frontier - Eng推出新评测范式Generative Optimization，搭硬核评测系统，覆盖47个横跨5大工程方向的任务。评测多种模型，结果显示gpt 5.4最稳健，但距资深工程师水平尚远。
Agent全自动搭建代码运行环境，实时更新解决评测过拟合/数据污染问题｜微软
长期以来主流代码修复评测基准SWE - bench问题多，制约AI模型能力展现。微软发布SWE - bench - Live，引入新Issue，实现环境自动化构建与更新，打破传统局限，还揭示传统基准过拟合问题。
刚刚，加入腾讯的姚顺雨发表首篇Paper~
腾讯混元与复旦联合发表论文《CL-bench》，姚顺雨署名并全面细致审阅反馈。CL-BENCH 首次单独考‘现学现卖’，有独特设计原则、四大题型，其评分杜绝‘差不多’，还让 10 个前沿模型‘翻车’。
Chimer AI 黄祯：自然而然地干了离经叛道的事 | 00 后创业者系列
本文是对 00 后创业者黄祯的访谈。他大学休学创业，先尝试珠宝等行业，后聚焦服装产业。起初做 SaaS 工具，因国内市场不佳转向 Agent 与 SaaS 结合，还获吴世春融资，分享了创业经历、思路及产品特点。
MMAR与AudioTrust技术解读，音频大模型评测前沿进展分享 | AI Bench Talk直播预告
司南评测集社区 CompassHub 收录多维度评测集。此次 AI Bench Talk 直播聚焦音频大模型，将分享评估其深度推理能力的 MMAR 及全方位可信评估框架 AudioTrust，还设圆桌讨论多模态/音频大模型相关议题。
刚刚，腾讯姚顺雨署名首篇论文发布，「下半场」先搞上下文学习
腾讯混元团队和复旦联合团队发布姚顺雨署名首篇论文《CL - bench》。论文证实模型在上下文利用上有能力短板，还构建了CL - bench评测基准，评估发现前沿模型在上下文学习上表现差，未来要让上下文学习走向现实。
1周半写64个PR、完成30%项目重构：一家成熟SaaS公司把Agent塞进研发全流程后
Calendly作为成熟SaaS公司，分享Agentic Engineering实践，让Agent嵌入研发全流程。如一周半生成64个PR，完成30%项目重构。还探讨了瓶颈转移、对工程师的影响等，强调判断力和规则的重要性。
黄仁勋 GTC 2026 演讲实录：所有SaaS公司都将消失；Token成本全球最低；“龙虾”创造了历史；Feynman 架构已在路上
北京时间2026年3月17日，英伟达CEO黄仁勋在GTC演讲，展示AI“全家桶”。他回溯CUDA 20年，介绍数据处理新软件库，还提及AI原生企业爆发、Token成本优势、Vera Rubin平台等，强调英伟达在AI领域的全面布局。
AI时代，CRM的底层逻辑正被重构｜甲子光年
AI正加速改变CRM及SaaS产品形态和市场格局。纷享销客发布ShareAI平台，从连接型向智能型CRM跃迁。AI重构CRM底层逻辑，还助海外SaaS破局，中国厂商或借AI探寻商业化路径。