OpenCSG
超越Devin，姚班带队OpenCSG创造大模型编程新世界纪录
来自中国大模型初创公司OpenCSG推出的StarShip CodeGen Agent，以23.67%的成绩刷新了普林斯顿SWEBench(大模型真实独立编程评测)排行榜，取得了全球第二名的成绩，同时创造了非GPT-4o基模的最高纪录（SOTA）。SWEBench评测高度贴近真实编程场景，难度极高，不仅要求模型能理解需求、协调多个函数/类甚至文件的变更，还要求模型与执行环境交互，处理超长上下文并执行远超传统代码生成任务的复杂逻辑推理。在这种高难度的真实测试中，行业中最先进的GPT4和Devin，也仅能解决1.74%
5/31/2024 9:30:00 AM
新闻助手
- 1
资讯热榜
DeepSeek开源多模态模型Janus-Pro的ComfyUI使用教程，文中附模型和工作流下载
DeepSeek + IDEA！辅助编程太强了！
DeepSeek日活用户数突破2000万，增长势头远超ChatGPT
不到140块！李飞飞团队超低成本复刻DeepSeek R1推理！16张H100只训练了26分钟，与R1训练方法不同！
冲击DeepSeek R1，谷歌发布新一代Gemini全型号刷榜，编程、物理模拟能力炸裂
训练1000样本就能超越o1，李飞飞等人画出AI扩展新曲线
爆肝48小时！学会这8招，让DeepSeek变得超好用！
谷歌 Gemini 2.0 Flash 系列 AI 模型登场，编程和推理性能迈上新台阶
标签云
人工智能
AIGC
OpenAI
AI绘画
ChatGPT
机器人
数据
谷歌
智能
Midjourney
大模型
学习
GPT
用户
AI创作
微软
DeepSeek
图像
开源
Meta
技术
AI
论文
Stable Diffusion
生成式
算法
蛋白质
马斯克
芯片
Gemini
计算
神经网络
代码
AI设计
Sora
研究
腾讯
3D
开发者
GPU
场景
伟达
英伟达
预测
机器学习
模态
华为
Transformer
文本
驾驶
模型
神器推荐
深度学习
AI视频
AI for Science
苹果
干货合集
搜索
LLaMA
视频生成
算力
2024
Copilot
百度
科技
应用
特斯拉
AI应用场景
Anthropic
安全
具身智能
写作
机器
字节跳动
AGI
视觉
语音
DeepMind
架构
亚马逊