「编程评测」共找到 1658 篇相关文章
3D指标超过Nano Banana Pro！浙大开源方案让AI在平面图像里进行立体编辑 | ACM MM'26
当前图像编辑模型处理三维状态常出错。浙江大学ReLER团队提出并开源PhyEdit，用显式3D几何preview指导图像编辑，还加入深度监督，构建数据集和评测基准，成绩超Nano Banana Pro，且GUI也开源。
直面LeCun愿景，智在无界发布最强具身世界模型，20万小时人类视频屠榜6大榜单
智在无界作为人类视频学习路线开创者，4月14日发布第三代旗舰模型Being - H0.7，用20万小时人类视频训练，提出新范式，在6项权威评测中综合排名全球第一，拓展了世界模型能力边界。
黄仁勋最新访谈：我们已经实现了 AGI，领导力、心理学、生命、意识、死亡和人性
黄仁勋在 Lex Fridman 播客深度对话中，谈及 CUDA 决策、管理模式、四层 Scaling Law 等多话题。认为已实现 AGI，编程定义改变，程序员会增多，还分享对供应链、开源等看法。
昔日王者应用商店，将死！OpenClaw或杀死80%手机应用
OpenClaw创始人Peter Steinberger在访谈中称手机里80%的APP已死。OpenClaw能操控设备、完成复杂操作，还让非技术人会编程。不过它有安全风险，仍被部分人看好用于企业经营。
Clawdbot首破10万星，火箭式登顶GitHub！硅谷现象级爆款太火了
Moltbot（原Clawdbot）在GitHub星标数首破10万，成全球增速最快开源项目之一，超越Linux内核。它应用场景丰富，但也有风险，如致投资血本无归、AI建宗教。其开发者分享了编程感悟。
大模型转行土木工程！首个「打灰人」评估基准：检验读、改工程图纸能力
首个工程自动化任务评估基准DrafterBench，可测试大模型在土木工程图纸修改任务中的表现。它模拟真实工程命令，考察模型四方面能力。评测发现主流大模型有一定能力，但未达工程一线要求。
通用Agent长啥样
视频探讨大厂做基于命令行编程工具的原因，介绍命令行Agent，剖析其等于庞大工具生态、经典Unix组合哲学与现代AI调度能力，指出通用Agent骨架由AI大脑、命令行身躯和MCP感官构成。
从亲密伙伴抢人，Cursor挖走Claude Code两位核心人物
据The Information报道，AI编程应用Cursor开发商Anysphere从Anthropic挖走Claude Code两位负责人。Cursor依赖Anthropic的AI，此举或让双方关系变复杂。同时，Anthropic年收入达40亿美元，Cursor业务增长也强劲。
Lex Fridman 对谈谷歌 CEO：追上进度后，谷歌接下来打算做什么？
Lex Fridman 采访谷歌 CEO Sundar Pichai，探讨谷歌在 AI 竞赛中的逆袭、搜索和广告的 AI 模式转变、模型发展、AI 编程提效、AR 前景、自动驾驶挑战等，还谈及 AGI 及 AI 对人类的影响。
ACL2025 | 代码助手火了，但安全吗？所有模型评估结果都很扎心
近期，GitHub Copilot、ChatGPT等AI代码生成工具爆火，效率显著提升，但代码安全性存疑。北大团队用CoV-Eval评测20款主流大模型，结果不佳，论文还给出优化方向，呼吁代码上线前严格测试。