近日，Qodo公司宣布开发出一套全新的、严谨的AI代码审查基准测试方法，旨在对各类AI辅助代码审查系统进行客观、量化的性能评估。该基准测试的创新之处在于，其并非使用人工构造的简单代码片段，而是将多种类型的缺陷...

近期，AI编程助手Cursor的一项最新“浏览器实验”在技术社区引发了广泛关注与讨论。该实验被指在展示其长期自主编码的扩展能力时，暗示了成功，但未能提供充分的实证证据。这一事件迅速在Hacker News等开发者社区发酵...

当AI智能体协助用户处理横跨数百条消息的复杂任务时，一旦其上下文窗口耗尽，是能够继续高效工作，还是被迫从头开始？这直接决定了智能体的实用性与可靠性。Factory.ai的最新研究深入探讨了这一问题，并提出了一套评...

人工智能模型评估机构METR发布的最新数据显示，Anthropic公司推出的Claude Opus 4.5大型语言模型在任务处理时效性上取得了显著突破。根据METR的评估框架，Claude Opus 4.5的“50%任务完成时间视界”约为4小时49分钟，...

业界瞩目的开源AI推理基准测试工具InferenceMAX正式亮相，该工具通过夜间自动化测试对Llama 70B、DeepSeek R1等主流大模型进行持续性能评估。其核心价值在于量化AI推理中的关键权衡：吞吐量（每GPU每秒处理令牌数）...

最新研究针对大型语言模型的表格理解能力展开系统性评测，通过向GPT-4.1-nano模型输入包含1000条员工记录的11种不同格式数据，评估其回答问题的准确率。研究结果显示，Markdown键值对格式（Markdown-KV）以最高准确...

清华大学团队开源AgentScope框架，为大型语言模型应用开发提供全新范式。该框架采用智能体导向编程（Agent-Oriented Programming）设计理念，显著提升LLM应用的透明度和实时可控性。其核心特性包括工具管理、长时记...

Anthropic公司推出的模型上下文协议（Model Context Protocol，MCP）旨在标准化大型语言模型（LLM）对外部工具的使用方式，正迅速成为工具集成的行业规范。该开源框架通过结构化接口，使AI代理能够更高效地调用外部A...