AI资讯新闻榜单内容搜索-Mark

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
搜索: Mark
独家|Kimi工程师唐飞虎亮相云桥大会:穿女装只是我的日常

独家|Kimi工程师唐飞虎亮相云桥大会:穿女装只是我的日常

独家|Kimi工程师唐飞虎亮相云桥大会:穿女装只是我的日常

Kimi工程师唐飞虎以女仆装Cos造型亮相2026云桥大会,并认为Harness的重要性被高估,模型应挑战更本质的Benchmark,开源生态应保留多样技术路线。

来自主题: AI资讯
9176 点击    2026-11-19 10:44
Fable 5.2贵17倍还输了!12 个AI进群当同事,OpenAI包揽前二

Fable 5.2贵17倍还输了!12 个AI进群当同事,OpenAI包揽前二

Fable 5.2贵17倍还输了!12 个AI进群当同事,OpenAI包揽前二

Deepnote发布Agent Initiative Benchmark评测称,OpenAI包揽前二,GPT-6.1 Sol以8.65分、每任务0.11美元成为性价比最高者,Anthropic Fable 5.2成本高17倍但得分更低。

来自主题: AI技术研报
7925 点击    2026-11-15 11:30
Coding agent写测试集体失败!AI代码合格率被高估一倍

Coding agent写测试集体失败!AI代码合格率被高估一倍

Coding agent写测试集体失败!AI代码合格率被高估一倍

Coding Agent写代码的能力越来越强,写测试的能力也在同步提升。从为函数补单元测试、为GitHub Issue编写复现用例,到为整个代码仓库构建回归测试,Codex、Claude Code等前沿Coding Agent已经能够浏览仓库、修改实现,并借助执行反馈不断修正测试。

来自主题: AI技术研报
7626 点击    2026-11-12 15:09
喝点VC|a16z投资复盘:86%的VC交易涌向AI,万亿美元盛宴才刚刚开始

喝点VC|a16z投资复盘:86%的VC交易涌向AI,万亿美元盛宴才刚刚开始

喝点VC|a16z投资复盘:86%的VC交易涌向AI,万亿美元盛宴才刚刚开始

a16z在《State of Markets》报告及官方播客中指出,AI相关公司已占美国VC交易活动的86%,超大规模厂商资本开支激增,而模型与应用采用率仍低,AI投资周期尚处早期。

来自主题: AI资讯
9745 点击    2026-11-01 09:20
NeurIPS 2026 ED Oral丨Benchmark也有保质期?我们给158个评测基准打了分

NeurIPS 2026 ED Oral丨Benchmark也有保质期?我们给158个评测基准打了分

NeurIPS 2026 ED Oral丨Benchmark也有保质期?我们给158个评测基准打了分

阿里数据团队基于117个模型技术报告筛选158个评测基准,提出基准健康指数(BHI),按能力区分度、抗饱和度和影响力诊断基准,论文获NeurIPS 2026 Evaluations and Datasets Track(Oral)录用,Humanity's Last Exam(HLE)综合第一。

来自主题: AI技术研报
10321 点击    2026-11-01 09:19
养大肥鱼只是开始,DeepSeek这10组插件值得装上

养大肥鱼只是开始,DeepSeek这10组插件值得装上

养大肥鱼只是开始,DeepSeek这10组插件值得装上

文章精选10组仍有近期维护记录的DeepSeek Harness插件,涵盖短剧创作、消息编辑、dsh-pet桌宠、QQ Bot与dsh-wechat手机端任务下达、视频筛选、网页搜索、浏览器操作、办公文件、交互界面、上下文查看及DSH Market插件市场。

来自主题: AI资讯
11870 点击    2026-10-30 15:30
开源模型亟需另开一桌

开源模型亟需另开一桌

开源模型亟需另开一桌

葬AI发起开源Benchmark社区,计划陆续开源真实任务与环境评测Bench,主张国产模型停止刷AA榜并按细分赛道建立自己的标准。

来自主题: AI资讯
9020 点击    2026-10-30 15:27
当Coding Agent开始动态并行,软件开发变得更好了吗?

当Coding Agent开始动态并行,软件开发变得更好了吗?

当Coding Agent开始动态并行,软件开发变得更好了吗?

Coding Agent正在进入新的发展阶段。过去,它们主要修复Bug、解决GitHub Issue或实现相对独立的功能,SWE-bench等Benchmark已为此建立了成熟评测范式;如今它们开始承担从完整代码仓库生成、跨语言迁移,到需要持续探索与验证的长周期软件工程项目,任务规模和执行时间不断增长,单个Agent的上下文容量、推理能力和执行效率逐渐成为限制。

来自主题: AI技术研报
6526 点击    2026-10-19 11:10