今天凌晨2点，OpenAI开源了一个全新评估大模型代码能力的测试基准——SWE-Lancer。 目前，测试模型代码能力的基准主要有SWE-Bench和SWE-BenchVerified，但这两个有一个很大的局限性，主要针对孤立任务，很难反映现实中软件工程师的复杂情况。例如，开发人员需处理全技术栈的工作，要考虑代码库间的复杂交互和权衡。 而SWE-Lancer的测试数据集包含1488个来自Upwor ...

OpenAI 联合一众大佬发布了一项重磅研究，直接把目光瞄准了 真实世界的软件工程！ 他们推出了一个全新的、价值百万美元的超硬核 benchmark —— SWE-Lancer！具体是啥，我们来扒一扒划重点：什么是 ...

近日，卡普空（CAPCOM）在Steam平台上架了《怪物猎人：荒野（Monster Hunter Wilds）》的免费Benchmark，即便没有购入游戏，也能使用性能测试工具对PC进行测试，给出系统得分评价。

在这一过程中，联发科天玑 9400凭借强大的AI性能，斩获苏黎世AI Benchmark榜单的冠军，并推动智能手机智能化进程不断升级。 在苏黎世 ETHZ AI Benchmark ...