「编程评测」共找到 1657 篇相关文章
1.1K Star！告别单打独斗！让 AI 自己组建开发团队，自动分工、沟通、合并成果！
当前单个AI Agent编程有局限，遇到复杂项目力不从心。开源项目ClawTeam-OpenClaw是多智能体群智协作框架，让AI团队协作，解决了单个AI上下文窗口有限等问题，还具备自组织、工作区隔离等亮点。
OpenClaw之父爆猛料：Meta和OpenAI跪着抢人，小扎亲自求收购
OpenClaw之父Peter Steinberger做客播客，爆出Meta与OpenAI收购争夺内幕。他用一小时做出原型，打造出能自我修改源码的AI智能体，宣称AI智能体将消灭80%的App，编程会沦为「织毛衣」。
DeepSeek-OCR是「长文本理解」未来方向吗？中科院新基准给出答案
DeepSeek-OCR的视觉文本压缩技术降低长文本处理成本，中科院自动化所等团队推出VTCBench基准测试评估模型视觉认知，含三大任务及衍生版本，测试结果有‘U型曲线’，还评测多种尖端模型。
吴恩达深夜发文：GenAI 时代应用工程师的必备能力清单
吴恩达发文剖析GenAI应用工程师这一新兴职业。指出其技能要求与传统软件工程师不同，强调掌握多种AI积木块、利用AI辅助编程工具的重要性，还提及产品技能是加分项，并给出面试关键问题。
腾讯混元TurboS技术报告首次全公开：560B参数混合Mamba架构，自适应长短链融合
腾讯公开混元TurboS技术报告，该模型是超大型Hybrid Transformer - Mamba架构MoE模型，融合Mamba与Transformer架构优势，有自适应长短思维链机制，激活参数56B。在多评测中表现佳，推理成本低。
缓存命中率99.93%！DeepSeek最适合的Harness来了，GitHub狂揽8.6万Star
DeepSeek官方版Harness未出，民间开源编程Agent「Pi」先火。它适配DeepSeek，让其缓存不命中率低至0.03%，调用成本大降。Composio测试显示Pi完成任务平均成本最低。同时，DeepSeek正组建团队做官方Harness。
这个春节P图不求人！小红书开源图像编辑新SOTA
今日小红书基础模型FireRed - Image - Edit亮相，在复杂编辑指令、风格化转换等核心指标表现强，在多项权威测试达SOTA。该项目代码等已开源，模型权重将开源。团队还推出RedEdit Bench评测方案。
从「知题」到「知人」：UserRL让智能体学会「以人为本」
大语言模型距成真正用户伙伴缺‘知人’能力。来自UIUC与Salesforce团队提出UserBench和UserRL方案。前者将‘用户特性’制度化，构建评测环境；后者搭建统一强化学习框架，探索奖励建模，二者让‘以用户为中心’落地。
腾讯悄悄上线了“Claude Code”，居然还支持微信登录。
腾讯悄悄上线CodeBuddy Code（Claude Code），定位为AI CLI，能在命令行完成编程任务。作者测试用其开发MCP服务，速度快且功能全，还介绍使用方法，不过产品有稳定性问题，仍有潜力。
Grok 4作战图刷爆全网，80%华人横扫硅谷！清华上交校友领衔，95后站C位
Grok 4一夜爆火硅谷，一张内部作战图显示其幕后团队华人学者占比达80%，包括Jimmy Ba、吴怀宇等。独立评测中Grok 4成绩优异，但也有人质疑其代码基准结果有过拟合嫌疑。