「编程基准」共找到 1887 篇相关文章
VLA大模型做长任务总断片？同济KC-VLA用关键帧链给治好了
VLA大模型记性是短板，处理非马尔可夫任务常束手无策。同济大学等提出KC - VLA框架，用关键帧链接赋予机器人全局时间感知能力，还构建了长时序记忆依赖基准测试，实验显示其性能优越。
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。
Claude Code 推出云端龙虾：/schedule 命令让 AI 自己排班干活
Claude Code 发布 `/schedule` 命令，可在云端创建定时任务，让 Claude 自动干活，即便关电脑任务也照跑。该功能用法简单，还支持多种创建方式和执行频率。此外，Claude Code 三月更新频繁，正从编程助手转向自动化成员。
斯坦福年度结论：中美大模型已没差距
斯坦福HAI《2026年AI指数报告》指出，中美AI模型性能差距基本消除，AI能力加速发展且普及快，但也存在安全基准滞后等问题。报告含15个主要结论，已成为业界重要参考。
鹏城实验室 X 中大hcp实验室推出 RADAR : 具身智能评测的新标杆
RADAR是鹏城实验室与中大hcp实验室为具身智能领域设计的评测基准，解决现有评测体系三大缺陷，通过创新设计揭示模型不足，为研究者提供方向，推动具身智能实用化。
刚刚，DeepSeek官宣更新了！突然「变冷」冲爆热搜
DeepSeek官宣网页版、APP更新，支持100k token上下文，但更新后性格变冷淡引争议。官方称是效率优先和边界意识所致。此外，传言V4将发布，编程实力或超Claude、ChatGPT等。
一百万亿Token里的AI现状：OpenRouter和a16z重磅研究带你透视AI江湖
OpenRouter和a16z发布重磅研究，用100万亿Token绘制AI实景地图。2025年推理模型崛起，开源模型流量份额攀升，编程与角色扮演需求大，还揭示了用户留存的“灰姑娘效应”等，展现多元AI世界。
开学了：入门AI，可以从这第一课开始
文章从生活小事引出AI相关知识，介绍了AI学习方法，包括掌握数学基础、编程能力，持续学习与实践。还提及AI现实挑战与机遇，回顾其发展历程，最后给学习者送上祝福与建议。
The Batch: 869 | 编码助手的训练数据
研究人员开发自动生成编码助手训练数据的流程。斯坦福等高校及阿里团队提出 SWE - smith 方法，从 128 个 Python 仓库入手合成漏洞、验证并生成修复样本，成果免费开放，有望改进 AI 辅助编程模型。