「编码基准」共找到 1213 篇相关文章
Shopify 经验贴：如何搞出一个生产级别可用的 AI Agent 系统？
Shopify 以 AI 助手 Sidekick 为例，分享从简单工具调用系统演变为复杂 AI Agent 平台的经验，包括架构设计、评估方法和训练技术等方面，还给出构建生产级别可用的 AI Agent 系统的四条核心建议。
AI 还在装失忆？1 万 Star 开源 EverOS 有点东西，把 Agent 记忆塞进 Markdown
EverOS 是 EverMind - AI 开源的项目，有 10325 Star。它给 AI Agent 等提供 local - first 长期记忆运行时，把记忆源头放 Markdown 里，以 SQLite 和 LanceDB 管理和检索。介绍了其优势、链路、适用场景等。
Claude Code 推出 /Ultraplan，超级计划模型
Claude Code 推出 `/ultraplan` 功能，在写代码前提供可视化方案，可编辑、审批。还发布了 Claude for Word 集成微软 Office 套件。Anthropic 迭代快或因内部使用更强的 Mythos 模型。
Loop-ViT：让AI学会「反复思考」，3.8M参数小模型追平人类平均水平
香港科技大学等团队提出 Loop - ViT，将循环 Transformer 引入视觉推理领域。该模型参数少但性能强，3.8M 小版本追平人类平均水平，揭示视觉推理任务中‘思考时间’比‘模型大小’更重要。
The Batch: 940 ｜Claude Mythos Preview 引发安全担忧
Anthropic为即将推出的Claude Mythos Preview采取特别预备措施，因其会带来网络安全风险。该模型能力强大，能发现众多代码漏洞。Anthropic组建联盟增强防御，其表现也优于多个知名模型。
布林坦承谷歌低估Transformer，“还被OpenAI挖走了Ilya”
谷歌创始人谢尔盖・布林回母校演讲，复盘谷歌发展，承认曾低估Transformer，让机会给OpenAI。还回顾谷歌诞生、AI掉队又靠Gemini 3翻盘的历程，给出对大学生、创业者建议，反思退休决定。
狂涨91.4K star!！号称是下一代Vim编辑器，体验超棒！
本文介绍开源项目Neovim，它是Vim分支，扩展性强、好用，内置终端模拟器，支持图形界面，与Vim插件兼容性好，还介绍其性能特色、安装配置方法及常用命令。
「生化危机」女主用Claude手搓满分AI，一年0.7美元反杀大厂！
《生化危机》女主Milla Jovovich与工程师好友用Claude开源AI记忆系统MemPalace，在LongMemEval获全球首个满分。虽上线后被社区挑刺，团队公开认错，但其成绩和免费本地运行优势仍受关注。
10倍加速化学推理大模型！Haven团队在隐空间思考分子式，碾压显示CoT
Haven团队提出LatentChem，把化学推理从‘文本表面’挪到‘模型内部’，先在隐空间思考，再在语言空间回答。它拆分‘推理’与‘表达’，性能优异，为AI Scientist奠定基础。
想入局VLA却不知从何下手？NTU&中大开源「终极菜谱」：从基座到频域建模，每一步都有实验支撑
MMLab@NTU联合中山大学的研究推出VLANeXt，从12个关键维度剖析VLA设计空间，每步有实验支撑。它在LIBERO及LIBERO - plus上超越SOTA方法，遇扰动成功率跃升10%，适合不同水平从业者。