「基准榜单」共找到 1481 篇相关文章
一举击败Claude Code！微软提出代码生成黑科技：一键直出36K行代码
现有方法依赖自然语言规划生成仓库易失效，微软提出Repository Planning Graph (RPG)，以图谱替代文字规划。基于此的ZeroRepo框架能让仓库生成可控、可扩、可验证，在新基准RepoCraft上表现远超Claude Code。
谁是最强“打工AI”？OpenAI亲自测试，结果第一不是自己
OpenAI发布新研究，提出GDPval基准衡量AI模型在有经济价值任务上的表现。Claude Opus 4.1表现最佳，GPT - 5次之。OpenAI开源优质子集并提供自动评分服务，还指出了GDPval的局限。
NIPS2025 | A-Mem让Agent拥有动态自我记忆功能，达到新SoTA
近年来，LLM代理需长期内存系统，但现有系统缺乏灵活性。论文提出A - Mem能动内存系统，受Zettelkasten启发，能让记忆‘自我整理’和‘自我更新’，在多基准测试领先，也指出了局限性和未来方向。
外卖公司也能搞AI？
昨天凌晨美团悄悄开源560B参数的MoE大模型LongCat-Flash-Chat，引发国外网友疑惑。该模型推理速度超100 tokens/秒，基准测试表现出色，多项设计解决实际问题，贴合美团业务需求。
The Batch: 968 | Muse Code 想获取你的数据
Meta推出Muse Code编码框架及Muse Spark 1.2模型，有不同输入输出、功能和性能表现。提供不同档位价格，贡献者档位低价但数据用于训练。测试显示其单任务成本低，Meta此举或为获取编码训练数据。
刚刚！Claude Fable 5，又拿第一了
在刚刚刷新的MirrorCode排行榜上，Claude Fable 5以64%的绝对成功率登顶，成绩远超其他模型。它在不同语言上表现稳定，在稀缺语言中也只小幅度下降。这意味着前沿模型能独立完成部分中大型软件。
“龙虾”时代，大模型公司的好日子来了
3月10日，MiniMax港股收涨，市值超百度。OpenClaw爆火，其创始人转发评测榜单，使MiniMax-M2.1排名突出。OpenClaw是智能体构建框架，为大模型公司带来盈利转机，撬开收入天花板，引发各方关注。
首创郎园成功举办AIGC视听产业人才新生态大会
2025年首创郎园AIGC视听产业人才新生态大会在北京举办，由多机构联合主办，众多高校、企业及嘉宾参与。大会聚焦构建产业‘星探’平台，展示成果、成立矩阵、发布资源包、启动大赛等，推动人才与产业对接。
大模型破译甲骨文创下新SOTA！复旦团队推出新框架
复旦大学团队提出基于部首和象形分析的可解释甲骨文破译框架，构建PD - OBS数据集。该框架在公开基准数据集上准确率高，零样本破译能力强，还能为未破译甲骨文输出可解释分析文本，助力考古工作。
时代2025 AI百人榜出炉：任正非、梁文锋、王兴兴、彭军、薛澜等入选，华人影响力爆棚
《时代》周刊发布2025年度AI领域最具影响力100人名单，众多华人入选，如任正非、梁文锋等。文中介绍部分入选者贡献，像任正非推动华为在AI多领域布局，梁文锋带领DeepSeek崛起。