在编码评估中去伪存真
内容摘要
OpenAI 对 SWE-Bench Pro 编码基准测试进行了审计，旨在确保对模型能力的评估准确无误。通过自动化管道和资深软件工程师的人工审核，研究发现约 30% 的任务存在过度严苛的测试、提示词模糊、测试覆盖率不足或误导性信息等问题。鉴于这些发现，OpenAI 已撤回对使用 SWE-Bench Pro 的建议，并强调需要由资深开发者构建更严谨、更能真实反映模型能力的基准测试。
(来源：OpenAI)
TechCrunch
哈佛大学推出 699 美元的创业训练营，提供其讲师的人工智能虚拟形象
TechCrunch
OpenAI表示加州应加强其人工智能安全法案
TechCrunch
Nvidia partners with data center developer Cloverleaf
The Verge
超过一百万人点击了领英的 AI 垃圾内容按钮
Gemini
什么是“全栈”AI的真正含义？
The Verge
各大YouTube创作者因接受人工智能资金而面临强烈抵制
The Verge
Google Discover 正在引入 AI 聊天机器人调优的信息流
TechCrunch
研究发现：自ChatGPT发布以来，三分之一的已发布网页显示出人工智能创作的迹象
Comic Sands
Jason Kelce Tells Fans To Mail Pee Jars To AI Data Centers: VIDEO
TechCrunch
Meta 将允许用户通过“ vibe-code ”编写并分享游戏的应用程序 Pocket 带给美国用户