#ProgramBench

共 6 条 · 7 天 1 条 · 30 天 4 条

信息流里打上「ProgramBench」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月5日

Microsoft 发了篇论文，说编程智能体不用主控也能干活，128 个智能体自己认领任务、走 Git 合并，分数一路涨。

rohanpaul_ai@rohanpaul_ai2 个信源在谈原文

10月2日

Meta研究如何让AI智能体更高效地长程运行，控制器让GPT-5.5在相同资源下表现大幅提升。

DAIR.AI@dair_ai原文

9月30日

元推理方法让AI智能体在长任务中表现更好，GPT-5.5和Opus 4.8都超过了竞争对手。

arXiv cs.AI@Paras Dahal 等 12 人原文

9月28日

微软研究院的 Agensh 论文，不用中央调度器，让 1000 多个编码智能体靠共享状态自己协作，pandoc 任务通过率从 33.89% 干到 55.06%，玩法挺新鲜。

elvis@omarsar02 个信源在谈原文

7月30日

MindForge 教小模型从零写完整软件，不用源码只用可执行文件和文档就把 Qwen3.6-27B 在 ProgramBench 上提升了 11.53%，跟大模型差不多。

arXiv cs.LG@Yihao Chen 等 7 人原文

6月4日

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。

Stanford AI Lab@StanfordAILab原文