08:15Stanford AI Lab@StanfordAILab精选斯坦福 AI 实验室发布了一段与 John Yang (@jyangballin) 的对话,讨论 ProgramBench 及其在 AI 编程基准测试发展中的位置。Yang 回顾了 AI 编程领域已取得的进展,并展望了未来可能的方向。该对话适合对 AI 编程能力评估感兴趣的开发者和研究者。行业AI编程基准测试ProgramBench斯坦福AI实验室技术对话推荐理由:想了解 AI 编程基准测试的来龙去脉和未来趋势?John Yang 的分享能帮你理清 ProgramBench 在其中的位置,做 AI 评估或编程工具的团队值得一听。原文
16:46Stanford AI Lab@StanfordAILab斯坦福AI实验室(SAIL)发布了新基准Theory of Space,旨在测试基础模型是否能够通过主动探索来构建、修正和利用空间信念(即心智地图),而不仅仅是被动处理给定的观察数据。该基准挑战AI在未知环境中主动导航、推理空间关系并更新认知模型的能力。这一研究对于推动AI在机器人、自动驾驶等需要空间理解领域的自主性具有重要意义。论文空间推理基准测试主动探索心智地图斯坦福AI实验室推荐理由:做机器人或空间AI的开发者值得关注——这个基准直接测试模型能否像人类一样主动探索并建立空间认知,而不是被动接收数据,看完会对当前模型的局限性有更清晰的认识。原文