←搜索结果

搜索“编码”

按匹配度 · 共 378 条结果 清除搜索

星期三

  2. 事件1 条新闻 · 1 个事实

    Anthropic提出自然语言自编码器NLA

    Anthropic 提出自然语言自编码器(NLA),用于无监督解释大语言模型的激活。该方法由激活语言化器(AV)与激活重建器(AR)两个 LLM 模块组成,通过强化学习联合训练以重建残差流激活,从而生成可读的自然语言解释。在 Claude Opus 4.6 的部署前审计中,NLA 帮助诊断安全相关行为,并发现模型未说出口的评估意识;在自动化审计基准上,配备 NLA 的智能体优于基线,且无需访问被错位模型的训练数据。Anthropic 同时发布了训练代码和面向主流开源模型的已训练 NLA。目前尚无后续发展事实。

    匹配字段标题

星期一

  1. 事件1 条新闻 · 1 个事实

    JetBrains 研究提出编码智能体基准应匹配真实任务流

    JetBrains 于 2026 年 10 月 12 日发表研究论文,提出编码智能体基准应匹配真实用户任务流。该研究分析 4,782 个真实会话,发现功能开发与缺陷修复占比远低于一半,而在 SWE-Bench Pro 中这两类任务占 93.8%。团队据此构建 SWE-TaskFlow,将每个基准问题拆成多轮并加入可校验的代码问题。在 700 个 SWE-Bench Pro 任务上,拆分使智能体成本约翻倍,成功率无稳定变化。目前尚无后续发展事实。

    匹配字段标题

  4. 事件1 条新闻 · 1 个事实

    Goodfire 研究揭示 Evo 2 几何编码生命之树

    Goodfire Research 发布研究更新,称在 DNA 基础模型 Evo 2 中发现系统发育关系被以几何方式编码:物种间关系体现为一条弯曲流形上的距离。该研究基于 Genome Taxonomy Database(GTDB)中 2400+ 个细菌物种的系统发育树,并称这是目前在基础模型中发现的最复杂流形案例之一。研究结果支持特征流形通常具有主导的平坦表示、并叠加更高曲率偏差的图景。目前尚无后续发展事实。

    匹配字段标题

星期日

  1. 事件1 条新闻 · 1 个事实

    Goodfire开源DeepSeek R1稀疏自编码器

    Goodfire Research 在 671B 参数的 DeepSeek R1 上训练并开源了两个稀疏自编码器(SAE),分别基于自建推理数据集和 OpenR1-Math 数学推理数据集。据其发布的信息,这是首批在真正推理模型及该参数规模上训练的公开解释器模型。实验发现 R1 与非推理语言模型存在本质差异:需等模型输出“Okay, so the user has asked a question about...”这类前缀后才能有效引导,且过度引导反而会让模型回退到原始行为。目前该工作仍为最新进展,尚无后续发展事实。

    匹配字段标题

  2. 事件2 条新闻 · 1 个事实

    Coinbase测试Code Connect对编码Agent效果

    Coinbase Design System团队测试了Figma MCP中的Code Connect对编码智能体的效果。测试发现,Code Connect提升了设计系统遵循度,并平均降低22.5%的token成本。团队还使用Claude Code在约四小时内将数百个组件迁移到新版Code Connect格式,实现设计系统全覆盖,并消除了智能体幻觉图标名称的问题。后续报道进一步指出,任务完成时间缩短约22%。目前该测试已形成可复用的迁移与覆盖结果。

    匹配字段标题

  3. 事件1 条新闻 · 1 个事实

    微软提出编码智能体评测框架CABRA

    2026年10月10日,微软提出并测试了编码智能体评测框架CABRA。该研究认为,编码智能体的瓶颈在于读懂代码而非改代码,因此应以阅读和比较代码而非diff大小来评测。团队构建CABRA生成合成编码任务,每次只提升一种难度,用8个LLM和6个智能体跑了6,840个任务,并把每次工具调用标注为阅读、分析、搜索、编辑或测试。结果显示,纯LLM随任务变难而变差,智能体靠grep等工具保持接近满分;在SWE-bench Verified上,阅读与分析调用次数比编辑行数更能预测智能体失败,相关系数为-0.200对-0.159。

    匹配字段标题

  4. 事件1 条新闻 · 1 个事实

    Tessl分享AI编码Agent可执行规格评测实践

    2026年10月9日,Tessl在其产品与工程博客分享了对AI编码Agent评估方法的实践主张:评估应转向可执行规格,把Jira、Figma等处的产品意图转成智能体可执行的验证任务,而非只看代码是否合理。其规格审查器从单智能体改为规划者加多个并行验证者的架构,并主张同时对照规格与代码、以base branch而非仅diff为基准,同时为验证划定范围并解决预览环境点击未知链接的安全问题。目前该实践仍以Tessl官方博客为唯一来源,尚无其他独立来源的后续发展。

    匹配字段标题

  5. 事件1 条新闻 · 1 个事实

    JetBrains发布12B MoE开源编码模型Mellum2.1

    2026年10月8日,JetBrains发布Mellum2.1,这是一个面向编码智能体与快速子智能体的12B MoE思考模型,每token激活2.5B参数,以Apache 2.0许可在Hugging Face上发布。据代表来源报道,其架构与Mellum2相同,升级几乎全部来自真实软件环境中的强化学习,模型可自行探索仓库、编辑文件并检查改动。基准方面,SWE-bench Verified从2.0升至47.0,LiveCodeBench v6得82.0,但SWE-bench Pro、GPQA Diamond和AIME仍落后于Qwen3.5-9B。GGUF量化版本从7.0 GB起,可在llama.cpp、Ollama和LM Studio本地运行。目前尚无后续发展事实。

    匹配字段标题

  6. 事件2 条新闻 · 1 个事实

    三款模型登上编码智能体榜单前列

    2026年10月2日,Artificial Analysis 的编程智能体指数迎来 Claude Sonnet 5.5、GPT-6.1 Sol 和 Gemini 4 Argon 三款新模型,它们均接近榜单前列,但性能与成本取舍不同。该指数以模型加运行框架的组合为单位,跨三项智能体编程评测打分。其中,Claude Sonnet 5.5(max)在 Claude Code 中以 68 分居首,单任务成本最高为 14.19 美元;Gemini 4 Argon(high)在 Antigravity CLI 中得 64 分,单任务 5.84 美元,不到 Sonnet 5.5 的一半,但采用 Google 促销定价且 Argon 尚未公开可用;GPT-6.1 Sol(xhigh)在 Codex 中得 63 分,单任务 1.04 美元,约为 Argon 的六分之一。目前没有后续发展事实。

    匹配字段标题

星期三

星期二

星期五

  1. 事实所属事件

    Anthropic发布Claude Opus 5.5

    2026年9月22日,Anthropic发布Claude Opus 5.5。官方材料称,该模型在Artificial Analysis的Intelligence Index v4.3上以58分排名第一,比Claude Opus 5高7分,在Vals AI的Vals Index上以69.69%居首;支持最高100万token输入、12.8万token输出,推理默认开启并分五档,API价格为每百万输入/缓存/输出token 4/0.25/20美元。早先报道称其输出价格为每百万token 20美元,低于上一代的25美元。9月23日,Yuchen Jin称其单任务速度比Opus 5快约30%、成本低约40%。9月25日,Thomas Wolf称用Opus 5.5把一份Google Doc生成为视频。10月4日,Ado Kukic表示在medium和high effort下使用Opus 5.5未触及5小时限额,单次会话最高约用到74%。10月9日,Ado又称Opus 5.5发布后的周末是今年迄今最高效的编程日。同期Anthropic还发布了Sonnet 5.5和Haiku 5.5,并下调Sonn

    English translation is being prepared.

    匹配字段标题

    查看事件：Anthropic发布Claude Opus 5.5

  2. 事件2 条新闻 · 2 个事实

    Alexander Embiricos称OpenAI编码领域出现dots普及趋势

    2026年10月3日,Alexander Embiricos转发dominik kundel关于dots与Codex配合使用的帖子,称这是对OpenAI内部编程场景中dots兴起的很好介绍。同日,dominik kundel表示,dots与Codex其实配合得很好,他目前最喜欢用dots来使用Codex,因为心智负担更小,主动性也很省心。目前有两条相关事实证据,分别来自Alexander Embiricos和dominik kundel,均指向dots在OpenAI编码场景中的使用体验。

    匹配字段标题

星期五