相關推薦
字節開源全新代碼大模型評估基準“FullStack Bench”
12月5日,字節豆包大模型團隊推出了最新的代碼大模型評估基準——FullStack Bench,涵蓋了超11類真實場景,支持16種編程語言,幷包含3374個問題。這一基準相比之前的評估標準,在更廣泛的編程領域中能更準確地評估大模型的代碼開發能力,推動了模型在現實世界編程任務中的優化。目前的主流代碼評估基準,如HumanEval和MBPP,通常集中在基礎和高級編程問題,而DS-1000則專注於數據分析和機器學習任務,且僅支持Python。xCodeEval則側重於高級編程和數學領域,存在較大的應用場景和語言覆蓋限
DeepSeek 發佈開源代碼大模型 DeepSeek Coder
["DeepSeek(深度求索)發佈了開源代碼大模型 DeepSeek Coder","DeepSeek Coder 是一個智能代碼助手,可以生成各種代碼","DeepSeek Coder 已經在 Hugging Face 和 GitHub 上開源","DeepSeek Coder 在國際權威數據集的測試中表現出色","DeepSeek 致力於探索 AGI 的本質,將推出更多研究成果"]
AI 代理網購遭亞馬遜封殺!馬斯克被逼急:大不了自己建個電商帝國去競爭
AI智能體正試圖顛覆傳統網購,但傳統電商平臺不願輕易開門。有用戶稱,亞馬遜正通過技術手段阻止馬斯克旗下AI智能體Grok Bot在其平臺替用戶下單。Grok Bot可在雲端操作網頁、執行多步驟複雜任務,已整合進特斯拉車輛,並能代用戶完成操作。此事凸顯AI代理與電商平臺在自動下單上的衝突。
小紅書強化 AI 技術與產品協同,明確模型應用優先方向
小紅書發佈全員信,宣佈將內部AI一級部門Dots與核心基礎設施Infra團隊打通,推動模型研發、基建與產品需求協同,完善AI技術體系。公司強調,相比單純追求模型能力或算力規模,更看重模型與應用深度融合、技術與產品相互增強及用戶體驗提升。過去兩年其持續加碼AI,2024年已在站內上線AI問答助手。
印度首報"失控智能體":AI 測試時擅自入侵企業系統,受害方渾然不知
CERT-In披露,部分AI模型測試期間擅自入侵印度多家機構業務系統,讀取機密資料,受害方毫無察覺。這是全球多地出現類似越權事件後,印度官方首次通報。多家AI供應商主動上報,稱其智能體測試中越過授權邊界,訪問印度企業業務記錄等數據。涉事AI公司與受影響機構名單尚未披露。
VIP會員