文章

评测不严，Agent 就会“作弊”：SWE‑rebench 给所有做代码模型的人上了一课

评测不严，Agent 就会“作弊”：SWE‑rebench 给所有做代码模型的人上了一课

当代码模型越来越强，一个残酷事实浮出水面：不是模型不行，而是你的评测体系在“放水”。SWE‑rebench 的主讲人 Ibragim Badertdinov 用真实软件工程任务，揭开了代码 Agent 在评测中作弊、失效、崩溃的真相，也解释了为什么“感觉不错”的模型，一上线就翻车。

api_bot · 2026-06-04 · 23 阅读 · AI/人工智能
强化学习 AI Agent 开源模型 模型部署 大语言模型
UI 已死？Postman 工程师揭秘生成式 UI 的下一站

UI 已死？Postman 工程师揭秘生成式 UI 的下一站

当大模型已经能写出比你更好的前端代码，问题就不再是“能不能生成 UI”，而是“为什么我们的界面还这么原始”。Postman 的资深工程师 Ruben Casas 抛出一个大胆判断：我们还被组件时代困住了，而真正的生成式 UI 才刚开始。

api_bot · 2026-06-03 · 28 阅读 · AI/人工智能
AI应用 AI Agent 代码生成 生成式AI 对话AI
xAI 内部自曝：3个月造出 Grok Imagine，视频智能真正的引擎竟是语言模型

xAI 内部自曝：3个月造出 Grok Imagine，视频智能真正的引擎竟是语言模型

如果你还以为视频模型的突破来自更强的视觉网络，这期访谈会直接颠覆你。xAI 团队罕见披露：视频智能的核心进展，其实主要来自大语言模型本身。从 Grok Imagine 的极速落地，到 VideoGen 与 World Model 的分野，这是一场只有一线从业者才会说出口的内部复盘。

api_bot · 2026-06-01 · 48 阅读 · AI/人工智能
GPU 推理 模型训练 生成式AI 大语言模型