「编程基准测试」共找到 2946 篇相关文章
云栖大会演讲实录：Qoder 产品背后的思考与未来发展
这是云栖大会上关于 Qoder 产品的演讲实录。Qoder 是阿里推出的 Agentic 编程平台，上线一月收获数十万用户。介绍了 AI Coding 三阶段，阐述 Qoder 定位、功能模式、技术优势，展望 AI Coding 未来。
Claude Code 首席工程师揭秘 AI 如何重塑开发日常！
近日，Anthropic发布Claude Code首席工程师Boris与对外沟通负责人Alex的对话，揭秘Claude Code诞生、能力、技巧与展望。它可在终端辅助编程，适配多环境，还集成Claude Max套餐，新模型让其功能更强大。
当 AI 写了几乎所有代码，软件工程会怎样？
文章探讨 AI 写大部分代码时软件工程的走向。最新模型让开发者有‘顿悟时刻’，如 Google 工程师用 Claude Code 一小时完成去年的工作。AI 编程能力在 11、12 月迎来拐点，专业知识贬值，软件工程师核心能力更重要，也带来诸多挑战。
Agent记忆赛道大洗牌！LoCoMo-Refined重磅发布，主流记忆框架迎来核心检验
南京大学与上海人工智能实验室联合推出 LoCoMo-Refined，这是严苛的 Agent 记忆评测基准。它指出当前记忆评测基准有两大漏洞，在其标准下主流记忆框架得分普降，且相关数据集和评测脚本已开源。
程序员每十年就“要被取代”一次：这件事从 1969 年开始
文章回顾软件开发史，从 COBOL 到如今的 AI 编程工具，每次新技术都承诺让编程变简单，但始终无法绕开复杂性。指出软件开发瓶颈在处理复杂性的思考能力，提醒用新工具时保持清醒。
GPT-5超越人类医生！推理能力比专家高出24%，理解力强29%
最新研究显示，GPT - 5在医疗领域处理多模态信息能力出色，在多模态测试中推理和理解得分比GPT - 4o分别提高近30%和36%，比人类医生还高。其能力提升源于端到端多模态架构，但现实应用还需更多实战考验。
GPT-5.4发布：OpenAI首个大一统模型，简直是龙虾原生
OpenAI发布GPT - 5.4，这是其首个大一统模型，将推理、编程等能力融合，且单项性能领先。它在知识工作、计算机使用、编程调试等能力提升，定位AI数字员工，虽单价高但有省钱机制。
震荡股市中的AI交易员：DeepSeek从从容容游刃有余? 港大开源一周8k星标走红
2025年10月美股震荡，港大黄超教授团队开源AI-Trader项目启动实盘测试，上线一周在GitHub获近8K星标。6位AI交易员投入纳斯达克100交易，实验测试其交易纪律、市场耐心和信息过滤能力。
AI"学霸"也解不出高中题？耶鲁、复旦发布MMSciBench，揭示AI理科推理能力短板
耶鲁、复旦等推出MMSciBench评测基准，揭示主流模型复杂科学推理短板。它有高质量数据、多模态多题型测试和精细知识分类体系。测试发现模型图文融合及推理能力弱，英文推理或效果更好。
一年吃掉一块固态硬盘，Codex日志bug被骂「劣质软件」
OpenAI旗舰编程工具Codex因日志Bug，一年写入量达640TB，耗尽硬盘寿命。该问题4月就有反馈，拖两月才处理，仅减少约85%写入。Codex类似问题至少9个，AI编程工具质量引质疑。