「编程基准」共找到 1887 篇相关文章
吴恩达来信：与小团队更适配的“通才”人才
吴恩达指出AI原生软件工程团队与传统团队运作不同，使用编程智能体构建产品更快，也带来运营变化。团队要应对项目管理、设计、营销、合规等瓶颈，‘通才型人才’在小团队更具优势。
奥特曼宣判Transformer死刑！ AGI两年内降临，下一代架构已在路上
奥特曼在访谈中表示未来将有全新底层架构取代Transformer，还称AGI两年内降临，编程智能体是下一个引爆点。他回忆OpenAI草创期，还给出诸多判断，“后Transformer”竞赛也已打响。
“英伟达 AI 项目数量已失控！”黄仁勋五杯酒下肚，把压箱底的都掏出来了
近日，英伟达黄仁勋与思科 Chuck Robbins 对话，黄仁勋指出编程是打字，是商品。英伟达 AI 项目数量‘失控’仍任其发展。他认为 AI 机会在‘被增强的劳动力’，提醒企业别成用 AI 最后一名。
Gemini 3 Pro的位置，Kimi K2.5也想坐坐？
Kimi 发布 K2.5，在视觉编程上表现亮眼。它通过多模态训练涌现审美，能生成美观网页。与 Gemini 3.0 对比各有优势，Kimi Code 开源终端 Agent 功能强大，Kimi 还探索 Agent Swarm 协作新路径。
北大、字节、中科院自动化研究所等提出图像并行生成新范式
北大、字节等团队发现多模态模型先思考后作画会降低图像语义保真度，因自回归架构有误差传播问题。为此提出并行多模态扩散框架MMaDA - Parallel，构建ParaBench基准，多项优化后在测试中击败Bagel。
创始人“背刺”员工获财富自由，Devin接盘火速兑现员工期权，华人CEO暗讽：做个人吧！
当地时间7月14日，Devin背后公司Cognition宣布收购Windsurf。此前Windsurf收购案波折不断，创始人带部分人去谷歌，剩下员工去了Devin。此次收购引发对AI编程工具竞争的讨论，也暴露一些行业问题。
从性能到实战，怎样才算是靠谱的 Agent 产品？
红杉中国团队提出AI基准测试工具Xbench，其双轨测评体系不再单纯执着于测评问题难度，重点量化AI系统在真实场景的效用价值，还构建长青评估机制，以确保评估结果的时效性和相关性。
快手&中科院 | 提出多模态奖励模型：R1-Reward，比SOTA模型提升5%-15%！
多模态奖励模型对提升多模态大语言模型表现至关重要，但现有强化学习算法用于训练存在问题。快手、中科院等团队提出 R1 - Reward，在基准上比 SOTA 提升 5% - 15%，还在快手业务场景成功应用。
给Cursor、Claude Code装上这个CLI，能变现
teamai-cli 是腾讯开源的命令行工具，能集中管理团队调教 AI 编程助手的成果，同步给全团队。它复用软件工程方法，解决 AI 协作中经验不沉淀、行为不一致等问题，让 AI 能力从个人资产变为团队资产。
一个跑智能体，一个专门找漏洞：Google发布Gemini 3.8双版本
9月2日，Google发布Gemini 3.8 Flash和Gemini 3.8 Flash Cyber。前者用于编程等，已稳定上线；后者专用于发现修复漏洞，仅向特定方开放。二者共享基础能力，采用不同安全限制和部署环境。