「AI基准测试」共找到 10997 篇相关文章
OpenAI很看好！首个SWE-1模型发布，软件开发或将提速99%
Windsurf发布首个前沿模型SWE-1，目标将软件开发提速99%。它不只能写代码，还能协助软件工程流程。有三个系列模型，SWE-1运行成本低，SWE-1-lite对所有用户开放，SWE-1-mini适用于低延迟场景。
Gemini 2.5 Pro强势更新并霸榜，Claude 3.7首次遭遇全方位碾压！
Google DeepMind推出的Gemini 2.5 Pro在LMArena各大排行榜全面登顶，实现文本、视觉、Web开发全方位霸榜，编码能力也大幅升级。虽有质疑，但短期内难有对手，还引发对Google I/O大会更多惊喜的期待。
一周暴涨117.5k星星！可以逆向复刻一切软件，SAAS生态彻底死掉
本文介绍爆火的开源AI逆向工具REA，不到一周GitHub涨117.5k星，可基于Agent逆向复刻各类软件，讲解其原理、工作逻辑与功能，讨论其对SaaS生态的冲击。
立讯精密、芯源系统、富士康等约20家企业遭美国337调查！
美国国际贸易委员会对特定垂直电力传输系统相关产品启动337调查，本次调查源于美国Vicor公司的专利侵权指控，共约20家全球企业涉案，包含立讯精密、富士康等多家中企，本文梳理了案件详情与后续程序。
这，太狠了：35k Star Lightpanda
本文介绍GitHub上35k Star的开源项目Lightpanda，它是专为Agent自动化打造的轻量无头浏览器，从零开发砍掉冗余桌面外壳，大幅降内存提速度，明确说明了适用场景与使用边界。
稀土分离最难的一步，美国公司想用量子计算和机器人实验室来解决
稀土分离是稀土供应链中技术资本门槛最高的环节，传统方法依赖大量试错效率低。美国稀土公司USA Rare Earth联合两家科技公司，计划用量子机器学习加自动化实验室研发新型萃取剂，优化分离工艺，验证量子方法的工业价值。
Lex Fridman 对话 DHH：Omarchy，才是真正属于 Agent 时代的操作系统
Omarchy 有望成今年最火 Linux 桌面系统、首个 Agent 时代操作系统。开发者 DHH 曾怀疑 Agent 编程，现 Quattro 代码全由 Agent 编写。DHH 做客播客，谈 Omarchy、AI 时代操作系统变化等。
华师大智金院孵化金融原生基模Mint-Agent：超越GPT-5.6与Claude Opus 4.8，商业订单已超亿元
华东师大智金院团队孵化的金融原生基模 Mint - Agent 发布，在 FinanceAgentBench v2 上表现超 GPT - 5.6 - Sol 与 Claude Opus 4.8，单题推理成本低，商业订单超亿元，进入规模化金融场景验证阶段。
斯坦福吴佳俊「计算机与思想奖」获奖演讲全文：从一张照片，逆推一个世界｜IJCAI 2026
8月20日，斯坦福大学吴佳俊在IJCAI 2026发表“计算机与思想奖”获奖演讲。他指出像素是表象，物理结构才是因果，提出以物理代码为桥，融合基础模型泛化力与物理模拟因果性，构建视觉与物理智能。
Transformer祖传设计遭暴击，COLM顶会三篇论文发难
COLM 2026上，三篇论文对Transformer关键技术发难。《Cracks in the Foundation》指出长上下文架构选择影响大；《Lost in Backpropagation》揭示输出投影层信息损耗严重；《When Fewer Layers Break More Chains》表明层剪枝影响长链推理。