「代码评估数据集」共找到 4416 篇相关文章
GPT-5.2连肝7天，300万行代码造出Chrome级浏览器
Cursor的CEO让GPT - 5.2连续运行一周，产出300万行代码，从零构建Chrome级浏览器。还介绍不同模型长任务表现、多智能体协作架构，指出这将颠覆软件开发经济学。
71.2%的惊人解决率，伦敦大学开源顶级AI代码修复智能体系统
伦敦大学等发布Prometheus AI系统，它将代码库变成知识图谱，解决9种编程语言的GitHub问题。由五个智能体协作，解决率高、成本低且已开源，或为AI编程新方向。
DeepSeek|从零构建轻量级vLLM：Nano-vLLM，吞吐量逼近原版，代码仅需1200行
开源的vLLM能提升LLM推理速度和资源利用率。近日，DeepSeek AI俞星凯从零构建轻量级Nano - vLLM，代码仅1200行。它有离线推理等功能，基准测试显示吞吐量逼近原版。
代码、多模态检索全面登顶SOTA！智源BGE向量模型三连击，并全面开放
检索增强技术在代码及多模态场景作用大，向量模型是关键。智源研究院联合高校研发三款向量模型BGE - Code - v1、BGE - VL - v1.5、BGE - VL - Screenshot，登顶多领域测试基准，已全面开放助力研究与应用。
从Debugger到Developer : 低代码时代新基准NoCode-bench，SWE-Bench作者力荐
浙江大学牵头联合多机构推出全新评估基准NoCode - bench，直面自然语言驱动功能添加任务，发现当前最佳LLM成功率仅两成。它构建严谨，任务挑战大，指明AI软件开发改进方向，且已开源。
Cursor一夜翻车，AI 300万代码写浏览器被打假！全网群嘲「AI泔水」
Cursor宣称GPT - 5.2连肝7天造出浏览器，但开发者发现其代码无法编译，是缺乏工程逻辑的“AI泔水”。这一行为激怒开发者，也揭示AI编程需明确分工，未来软件开发靠“开挂工程师”带领AI。
Vibe Coding 方法论：不会编程的人如何用 AI 写出能跑的代码
文章介绍 Vibe Coding 方法论，即便不会编程，也能用 AI 写出能跑的代码。核心是把需求说清楚，还可小步迭代开发，Claude 这类会主动询问的工具更适用，同时要明确其适用场景。
斯坦福宣布重磅AI战略重组：将HAI与数据科学合体，李飞飞升任校长顾问
斯坦福大学宣布将HAI与数据科学计划合并，新机构仍称HAI。李飞飞卸任联席院长，任校长AI特别顾问。新机构将围绕跨学科发现、教育变革、社会影响研究开展工作，强调开放原则并拓展国际合作。
从需求分析到代码生成，LLM都能干点啥？一文读懂291个软工Benchmark！
大语言模型重塑软件工程各环节，但缺乏评估其在该领域表现的系统工具。浙江大学等机构团队首次对291个软件工程Benchmark系统综述，分析现状、痛点并给出改进方向。
让AI看懂科研图表：深势科技开源150万高质量科研图文数据集
深势科技开源OmniScience数据集，含150万个高质量图文对。它利用先进工具攻克图文提取难题，经严格筛选成型，涵盖多学科。还设计重写流水线提升图文语义契合度，基于此训练的模型表现优异。