「编程竞赛基准」共找到 2037 篇相关文章
GPT-5-Codex 一手实测
OpenAI推出新编程模型GPT - 5 Codex，Every团队实测显示其表现狂野。它能动态选思考时间，可在不同开发环境无缝切换，代码审查更优。但也存在对任务挑剔、环境设置麻烦等问题。
吴恩达大谈，AI时代就业现状、生存法则。
吴恩达发长文谈AI就业生态，指出市场淘汰只会氛围编程的新人与拒绝用AI的老人。他面试看重三点，直言愿雇懂AI的应届生。约30%CS知识过时，还提及AI面试优势。
不，AI 并没有让工程师的生产力提高 10 倍
作者 Colton Voege 分享自身经历，指出 AI 未让工程师生产力提升 10 倍。试用多种 AI 编程工具后，发现其有局限。从算笔账、分析 10 倍工程师等方面论证观点，还剖析鼓吹 AI 者的情况。
DeepSeek R1/V3作者开源轻量级vLLM，1200行代码读懂大模型推理技术！
DeepSeek R1/V3作者俞星凯开源轻量级vLLM——Nano - vLLM。它有快速离线推理、代码可读、含优化套件等特性，还给出了RTX 4070等硬件和Qwen3 - 0.6B模型的基准测试配置。
Boris Cherny：Claude Code 之后，写代码正在变成“管理 Agent”
这是对Anthropic内部Claude Code创建者Boris Cherny的访谈。他介绍了Claude Code从三人孵化项目发展的历程，分享工作流，探讨编程现状、SaaS未来、产品与模型关系等，还给出软件大众化等观点。
Anthropic创始人盛赞Meta：开启广告基础设施「智能体进化」时代
Meta最新论文揭示基于树状思维链搜索的智能体框架，以“无人驾驶”方式重写广告系统底层内核，将内核开发时间从数周缩至数小时，生产环境性能最高提升17倍，Anthropic创始人高度评价。
17万白领岗消失！Scale AI最新研究：AI仅动用了3%实力
新智元报道，近期多家巨头裁员17万，AI成“罪魁祸首”。但Scale AI和Center for AI Safety研究指出，全球六大顶尖AI自动化率不到3%，新基准RLI评估显示其执行有经济价值项目能力有限。
具身智能的终极命题：是造「人」还是造「生产力」？
华为开发者大会 2025 发布 CloudRobo 具身智能平台，为具身智能带来新视角。工业和商业场景实践显示，具身智能终极目标是锻造普适的「生产力引擎」，产业竞赛关键在于打造「群体智能协同」。
OCR-Reasoning：揭秘多模态大模型在复杂图文推理中的真实能力
主流OCR评测基准聚焦信息抽取，复杂图文推理任务中多模态大模型深度推理能力缺乏评估标准。OCR - Reasoning可系统性评估，还列举多种推理示例，并测评了Qwen2.5 - VL - 7B模型。
一篇19种自进化Agent Skill框架最新综述
这篇来自Rutgers大学和UNC Charlotte的survey，首次系统梳理Agent技能的进化与评估全貌，覆盖19种技能进化方法和10个评估基准。指出当前评估体系有诸多不足，如无法追踪技能多轮反馈后是否变好等。