跳到正文

#xAI

今日 0 条
11月16日周一
11月8日周日
  1. The Decoder60

    Co-Design Bench基准显示AI编码智能体近四分之三任务需人工清理,顶尖模型完全正确率仅26.4%

    Alibaba等研究者提出Co-Design Bench基准,基于真实用户请求测试十款编码智能体,最佳模型GPT-6 Astra仅26.4%任务完全正确,近四分之三需人工清理。相较旧基准近满分,新基准暴露模型在交织需求与不同运行环境下的表现落差,建议模型与环境成对评估。

11月1日周日
10月28日周三
10月24日周六

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有