「X - BENCH」共找到 466 篇相关文章
伯克利最强代码Agent屠榜SWE-Bench！用Scaling RL打造，配方全公开
开源软件工程模型DeepSWE横空出世，基于Qwen3 - 32B，仅用强化学习训练，以59%准确率刷新SOTA。它采用rLLM框架、R2E - Gym环境，用改良GRPO++算法，还介绍了评估策略及训练挑战的解决办法。
清智资本张煜：AI投资的下一个价值点何在？｜甲子引力X
在「渡口——甲子引力X2025科技产业投资大会」上，清智资本张煜分享AI投资见解。他指出AI正重塑行业，生成式AI是革命，还谈到具身智能、AI Agent等趋势，以及AI产业链各要素投资机会，分析了行业盈利赛道和创新价值重构。
Auto Research最后一块拼图，Frontier-Eng Bench登场，在工程闭环里死磕最优
Einsia AI旗下Navers Lab论文Frontier - Eng推出新评测范式Generative Optimization，搭硬核评测系统，覆盖47个横跨5大工程方向的任务。评测多种模型，结果显示gpt 5.4最稳健，但距资深工程师水平尚远。
帮普通人「驯服」Agent，这支硅谷初创团队冲上了X全球热搜
3月30日，硅谷初创公司Creao AI发布新品CREAO，冲上X平台全球热搜。它让AI根据自然语言描述编写代码，构建可持续运行系统，无需写代码、配工具和调试，填补AI Agent与普通用户间的‘真空地带’。
已量产交付！芯桥半导体全栈国产GPU助推智算自主化
芯桥（北京）半导体成立于2025年3月，掌握核心自主知识产权，旗下Sinexus X200及Sinexus S200已量产，产品在多算力集群点亮。X200性能强、价格优，芯桥还提供全栈式解决方案。
Agent全自动搭建代码运行环境，实时更新解决评测过拟合/数据污染问题｜微软
长期以来主流代码修复评测基准SWE - bench问题多，制约AI模型能力展现。微软发布SWE - bench - Live，引入新Issue，实现环境自动化构建与更新，打破传统局限，还揭示传统基准过拟合问题。
开源版 Cowork 项目在 X 爆火，创始人：感谢 Cowork，让我们三年的探索被看到
Anthropic的智能体工具Cowork在X上爆火，CAMEL AI的开源项目Eigent作为平替也跟着火了一把。文章复盘了CAMEL AI从2023年发布CAMEL框架到Eigent项目的三年探索经历，介绍了Eigent的产品设计、技术架构、应用场景及发展情况。
00后黑客落网！曾运营大型僵尸网络，频繁攻击腾讯游戏、DeepSeek、X平台
活跃多年的高危DDoS僵尸网络‘RapperBot’被取缔，主谋22岁美国男子Ethan Faulds被捕。该网络曾攻击腾讯游戏、DeepSeek、X平台等。文中介绍其家族情况、盈利模式，还提及腾讯宙斯盾系统及防护建议。
精准医疗与AI融合：数据驱动下的个性化健康未来｜甲子引力X
在「2025甲子引力X中国科技产业投资大会」上，5位投资人围绕AI赋能医疗投资的机遇与挑战展开探讨。他们各有投资偏好与见解，还指出风险，最后畅想了AI改造后的健康未来。
刚刚，加入腾讯的姚顺雨发表首篇Paper~
腾讯混元与复旦联合发表论文《CL-bench》，姚顺雨署名并全面细致审阅反馈。CL-BENCH 首次单独考‘现学现卖’，有独特设计原则、四大题型，其评分杜绝‘差不多’，还让 10 个前沿模型‘翻车’。