「代码生成基准」共找到 4179 篇相关文章
连肝12小时！一轮狂刷1500篇论文，写4.2万行代码，AI科学家卷疯科研圈
Kosmos是一款全程无需人类插手的AI科学家，最长能连续工作12小时，平均一次研究读1500篇论文、写4.2万行分析代码，79%研究结果可被人类复现，已在多领域有7个真发现。
视频实时生成可交互！ 两位自动驾驶大牛创业世界模型：40毫秒/帧，无需任何游戏引擎，人人免费可玩
李飞飞押注的世界模型领域有新成果，Odyssey公司由两位自动驾驶大牛创立。其AI无需游戏引擎，40毫秒/帧实时生成视频，玩家能实时交互。虽处于早期预览版，但已展现潜力，世界模型或成竞争热点。
aiX-apply-4B逆袭DeepSeek-V3.2！aiXcoder发布代码变更应用模型，单卡推理提效15倍
3月25日，硅心科技发布专为代码变更应用场景设计的模型aiX - apply - 4B。它平均准确率达93.8%，超越Qwen3 - 4B和DeepSeek - V3.2，算力成本仅为后者5%，推理速度提15倍。还采用创新训练方法，适配企业场景。
马斯克转发字节Seed&哥大商学院新基准：大模型搞金融，连查个股价都能出错
字节跳动Seed团队与哥大商学院推出开源金融搜索与推理基准测试FinSearchComp，含635个问题。评测显示大模型处理金融任务有差距，凸显金融AI能力评估重要性，还揭示了关键能力差距。
李飞飞团队发布新一代世界模型Atlas：从零训练，一次性打通视频生成、 3D重建与机器人仿真
李飞飞创办的 World Labs 发布新一代世界模型 Atlas，称其为‘全球首个多模态世界模型’。它从零训练，能同时完成视频生成、3D 重建和时空模拟，已向少数伙伴开放测试，未来将成 Marble 底层模型。
All in AI 两年，AI 代码采纳率突破 50%！安克创新龚银：AI 平台一旦过时，我们会毫不犹豫重构
安克创新2023年决定All in AI，探索适配内部运营与新的产品形态。这两年有项目放弃也有成果，如代码采纳率突破50%。其评估AI落地可行性关注业务、技术、团队成熟度，还采取差异化管理应对创新的ROI问题。
面对无解问题大模型竟会崩溃？港中文&华为联合提出首个大模型推理可靠性评估基准
港中文和华为诺亚实验室联合提出ReliableMath基准，探究大模型推理可靠性。提出评估准则，构建含可解与不可解问题的ReliableMath数据集，实验揭示大模型缺陷，还提出提高可靠性的对齐策略。
我用大模型砌“屎山雕花”：5天肝出几万行代码！产品经理的AI编程翻车记
作者作为非技术背景的产品经理，分享用大模型编程经历。先借 MCP 搭建应用，后 5 天产出大量代码却问题多。经三次重构领悟协作方法，还总结沟通技巧，指出 AI 编程改变产品经理工作，未来需融合多角色能力。
3.3k星星！用AI做前端动效最好的开源项目，给AI写前端代码注入灵魂
现在AI编程做的前端效果不佳，页面不生动、特效生硬。而Text-to-Lottie开源框架可通过AI编程Agent快速生成生产级Lottie动画，支持多种输入，有实时预览与编辑功能，还能集成多平台，简化动效开发。
GPT-4o-Image仅完成28.9%任务！上海AI实验室等发布图像编辑新基准，360道人类专家严选难题
上海人工智能实验室等团队针对图像编辑AI提出问题，推出RISE任务及配套评测基准RISEBench。测试九个视觉编辑模型，结果显示当前模型完成复杂指令能力欠缺，闭源与开源差距大。