AITOP
精选
过去 24 小时，从 836 条中筛出 52 条
全部模型产品行业论文技巧
标签：SWE-Bench×
6月13日
13:17
6月11日
15:28
15:23
15:07
6月1日
00:09
5月29日
08:02
AITOP5月29日 08:02
Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？🔥Anthropic 把 AI 编程的“确认键”彻底删掉了！Claude Code 搭载全新 Opus 4.8 模型，长时间任务不跑偏、不废话、不中断，像一个资深工程师一样默默干活，从功能开发到漏洞清扫全包圆，你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”，现在它直接交完整交付物……自主编程的最后一层窗户纸，被捅破了。做自动化开发和代码审查的团队，这个模型建议直接上手，效率差距肉眼可见……Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？
5月23日
23:09
23:09rohanpaul_ai@rohanpaul_ai
精选76°
Meta 最新论文发现，编码智能体在复用过去尝试的简短摘要（而非原始日志）时，性能显著提升。研究表明，更强的编码智能体不仅需要更多尝试，更需要更好的记忆方式。论文提出将每次完整尝试转化为紧凑摘要，包含主要猜测、部分进展和失败点，然后利用这些摘要选择最佳尝试并指导新尝试。在 SWE-Bench Verified 基准上，Claude 4.5 Opus 从 70.9% 提升至 77.6%，在 Terminal-Bench v2.0 上从 46.9% 提升至 59.1%。核心结论是：长编码任务的测试时扩展瓶颈不在于生成更多尝试，而在于以智能体可复用的形式存储经验。
论文Meta编码智能体测试时扩展摘要复用SWE-Bench
推荐理由：这篇论文戳中了编码智能体效率低下的核心痛点——不是试得不够多，而是记不住经验。做 AI 编程工具或智能体开发的团队，可以直接借鉴其摘要复用和锦标赛选择方法，值得点开看看。
原文