搜索：编程竞赛基准

「编程竞赛基准」共找到 2037 篇相关文章

没想到，又一个Code Agents瓶颈，被美团&上交大彻底撕开了~

AI写代码能力提升，但打分方法僵化且成本高。上交大与美团论文提出新基准PRDBench，让AI出题人审核，还训练裁判PRDJudge，提升打分准确率与稳定性，促使AI学会‘看懂需求’。

在人工智能领域，‘用文本思考’和‘用图像思考’存在局限。复旦大学等团队提出‘用视频思考’范式，通过视频生成模型统一文本与视觉推理，构建VideoThinkBench基准测试Sora - 2，全面解读这一开创性工作。

前 Google DeepMind 高级研究员 Lun Wang 在技术长文中指出，当前主流评测体系滞后，静态基准会“安静失效”。作者主张引入序参量，呼吁构建自演进评测，还为一线工程师提供了研发建议。

吴恩达来信称 4 月 28 - 29 日将在旧金山举办 AI Developer Conference，主题为‘软件工程的未来’。他认为 AI‘就业末日’没那么严重，软件工程岗位在增长，还指出编程变化及行业待解问题。

谷歌母公司成全球市值TOP 2，Gemini市场份额疯涨。被逼急的OpenAI甩出500亿美元员工股票池，Ilya或分40亿。谷歌有入口优势，AI竞赛进入拼入口阶段，OpenAI砸钱抢人赌未来。

DeepSeek官宣V3.1发布，核心特性有混合推理架构、思考效率提升、Agent能力增强。产品形态含官方App/网页端和API升级。性能在编程、搜索智能体及思考效率上显著提升。

5月16日，腾讯发布混元图像2.0模型，率先实现实时生图，生图速度快、质量高，能避免‘AI味’。在GenEval基准上准确率超95%，还发布实时绘画板功能，后续将推原生多模态模型。

现有足球AI研究存在不足，上海交大团队打造Multi - Agent系统。他们构建SoccerWiki知识库、SoccerBench评测基准和SoccerAgent多智能体系统，该系统多工具协作，实验中碾压GPT - 4，数据和代码将开源。

1997年，马克·古布鲁德首提AGI概念，警告技术突破对国际冲突的影响。如今AGI成巨头博弈焦点，价值万亿，但他未获名利仍清贫。他呼吁遏制AI军备竞赛，提醒别让技术失控。

今天凌晨，Xcode最流行的编程Copilot插件Alex被OpenAI收编，团队加入Codex。Alex是Xcode亮眼插件，能实现自动化开发任务。其创始人是00后，经验丰富。OpenAI此举或为扩大在苹果生态影响力。