Agent全自动搭建代码运行环境，实时更新解决评测过拟合/数据污染问题｜微软
Agent全自动搭建代码运行环境，实时更新解决评测过拟合/数据污染问题｜微软长期以来主流的代码修复评测基准SWE-bench面临数据过时、覆盖面窄、手动维护成本高等问题，严重制约了AI模型真实能力的展现。
来自主题: AI技术研报
7207 点击 2025-06-20 15:23
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
长期以来主流的代码修复评测基准SWE-bench面临数据过时、覆盖面窄、手动维护成本高等问题，严重制约了AI模型真实能力的展现。
你是否意识到，消费者正在悄悄改变他们的购物习惯？当你想要购买一双跑鞋时，你还会打开Google搜索吗？越来越多的人开始直接问ChatGPT："推荐几款适合跑步的鞋子"，然后根据AI的回答做出购买决定。
DataEye研究院发现，日前，字节旗下剪映团队推出了一款全新AI应用——小云雀，该应用定位为“内容创作Agent”，包含了智能成片、AI设计等4大功能，用户只需输入文字指令，一句话便可以利用AI自动生成短视频、数字人口播、海报等，主打“创作零门槛”。
微信和游戏业务正在为腾讯AI应用战略的实施提供更广阔的战略纵深。抓住DeepSeek带来的契机扭转AI领域的竞争态势之后，腾讯围绕AI应用的布局正在快速深化。
剑桥大学和范德夏尔实验室在 ICML 2024 上发表的立场论文，直接挑战了当前Agent开发的核心假设：我们一直在用错误的方式让Agent"自我改进"。
普林斯顿大学和Meta联合推出的新框架LinGen，以MATE线性复杂度块取代传统自注意力，将视频生成从像素数的平方复杂度压到线性复杂度，使单张GPU就能在分钟级长度下生成高质量视频，大幅提高了模型的可扩展性和生成效率。
Toloka是一家专注于AI数据标注与模型评估的众包平台，成立于2014年，创始人Olga Megorskaya曾是俄罗斯科技巨头Yandex董事会成员。公司总部位于阿姆斯特丹，之前由AI基础设施公司Nebius Group控股。
好夸张…… 参赛大模型全军覆没，通通0分。 谢赛宁等人出题，直接把o3、Gemini-2.5-pro、Claude-3.7、DeepSeek-R1一众模型全都难倒。
AI想替代谁？谁愿意被替代？北大校友的研究首次揭示数据真相！
随着大型模型需要处理的序列长度不断增加，注意力运算（Attention）的时间开销逐渐成为主要开销。