「代码评测」共找到 2208 篇相关文章
OpenAI强制「处死」GPT-4o！80万老粉全网拯救：它不是代码是爱人
1月29日OpenAI官宣2月13日强制退役GPT - 4o，80万粉丝不满，发起“拯救4o”运动，提出缓冲期短、保留访问权等诉求，还指出模型停用影响订阅价值。此前GPT - 4o就曾面临下线危机，其使用也有安全隐患。
未来两年软件工程展望：从写代码到管 AI，程序员正分化成两种职业
软件行业处在转折点，AI 推动编程变革，企业更重效率。文章围绕五个关键问题展望 2026 年软件工程，分析初级开发者、技能、角色、专家与通才、教育等问题的不同情景，还给出应对建议。
码农只剩6个月？Anthropic CEO断言AI接管一切代码，爆冲诺奖级智能！
达沃斯论坛上，Anthropic的Dario Amodei和谷歌DeepMind的Demis Hassabis就AGI未来展开对话。Dario预测AI 6 - 12个月接管软件工程师工作，2026 - 2027年模型达“诺奖级”；Demis认为2030年前有50%概率实现AGI。
AI4S又一瓶颈被攻克：两个AI「吵架」，让科研代码部署成功率突破95%
科学软件大多难直接运行，制约AI4S与Agentic Science发展。Deploy - Master应运而生，是一站式自动化工作流。Search Agent筛选工具，Build Agent用双模型辩论机制使部署成功率超95%，为科学智能体交互打基础。
跨越技术与法律的壁垒：AI赋能知识产权领域任务全能评测基准IPBench发布
本推文介绍arXiv论文《IPBench: Benchmarking the Knowledge of Large Language Models in Intellectual Property》。论文提出IPBench评估基准，构建含20个任务、10374个双语数据点的基准，评估17个主流模型，揭示现有模型在IP任务中局限。
一文读懂 RAG 与 KAG：原理、工程落地与开源实战（含代码与链接）
文章介绍RAG与KAG，RAG从文档找证据回答，适合开放域、时效更新快场景；KAG将结构化知识融进生成过程，实体关系与事实一致性更稳。还给出实战建议、工作流要点、最小可跑示例、开源组件及项目等。
附部署代码｜云数据库RDS 全托管 Supabase服务：小白轻松搞定开发AI应用！
本文展示借助 RDS Supabase 搭建 AI 应用的全流程，对比传统开发，其在效率、成本、扩展性上优势显著。介绍 Supabase 特性、适用场景、核心能力，还给出基于它开发简易 Agentic RAG 应用的步骤。
因为不用AI写代码，我在终面挂了 | 一个程序员的奇葩面试经历
外国小哥面试终面时，因表示工作不优先用AI，5分钟后收到拒信。此经历在网上引发讨论，网友看法不一，有人支招面试别贬低AI，也有人探讨AI在编程中的利弊，还提到AI辅助面试应用。
ACL 2025 Oral | 你的模型评测搭子上线：Evaluation Agent懂你更懂AI
上海人工智能实验室与新加坡南洋理工大学合作研发 Evaluation Agent，它能按需评估视觉生成模型，有可定制、高效率等优势。框架分提案和执行两阶段，评估结果佳，未来将拓展功能。
大语言模型离“数学证明高手”还有多远？斯坦福、伯克利、MIT 团队提出 IneqMath 评测标准
现在很多大语言模型常给出看似正确的结论，但推理过程却有问题。斯坦福、伯克利和MIT团队提出新思路，构建IneqMath数据集及‘AI数学裁判系统’，研究发现很多模型推理不严谨，还给出两个提升准确率的办法。