「AI基准测试」共找到 10907 篇相关文章
清华传奇姚顺宇立功！全新Gemini一夜血洗编程，全球仅7人能赢它
谷歌Gemini 3 Deep Think重磅升级，几乎刷爆全领域SOTA。编程界冲入Codeforces人类TOP 10，人类最后考试等测试也表现优异。还能解决科研工程难题，实测物理模拟能力强，给OpenAI带来压力。
可能是比Lovable还好的Vibe Coding产品-MiniMax Agent体验
作者测试MiniMax Agent，用其生成法国景点介绍、艺术家作品对比、攻壳机动队分析等网页。它能自主找信息、整理，生成图、音等。和Lovable对比，它表现更优，还支持免费试用。
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。
GenEnv：智能体与环境模拟器之间的难度对齐协同进化 | 直播预约
训练高性能 LLM 智能体受限于真实世界交互数据的成本和特性，为此推出 GenEnv 框架，它建立难度对齐协同进化博弈，能让智能体表现提升，减少数据使用量，为扩展能力提供数据高效路径。
国科大 ｜ 提出进化算法：EvolKV，自适应分配KV Cache，预算降至1.5%！
键值缓存（KV cache）是大模型快速运行核心技术，但输入文本越长，存储和处理问题越突出。国科大提出进化算法EvolKV，自适应分配KV Cache，实验显示其效果显著，预算可降至1.5%。
我把周末写的代码开源了，结果炸出了几千个被微信群逼疯的人
作者受微信信息焦虑困扰，用Chatlog开发Chatlog WebUI，能自动总结群聊信息。该工具功能丰富，已开源，作者还想加新功能，希望用AI解决生活痛点。
Claude Opus 5.5 到底强在哪？大幅降价后谁会受影响？
本文从工程视角拆解Anthropic新品Claude Opus 5.5，分析其能力升级、定价调整，分享开发者实测案例，解读此次升级对AI行业格局的影响。
12岁写代码，28岁撑起谷歌20亿业务！他却劝年轻人：别卷编程了
曾是谷歌CMO的Alon Chen称学编程对Z世代或已「过时」，因AI抹平技术门槛。硅谷多位大佬也劝勿学编程。当下创造力更重要，文科生就业迎来黄金时代。
让Agent真正“行动”起来，Agent Skill开发者大赛火热报名中！
人工智能下半场聚焦‘行动’，Agent Skill成关键桥梁。为推动AI落地，AIGC开放社区与算泥社区联合主办Agent Skill开发者大赛，设双赛道，官方提供支持，有丰厚奖励，报名通道已开启。
Vibe Coding，杀死开源！
Vibe Coding 带来编程效率狂欢，却切断开源生态维护者与用户联系。研究指出，AI 成「中间商」，使开源维护者得不到关注反馈，高质量开源项目或枯竭，作者设想代码版税机制但实施难。