lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
หน้าแรก
AI
OPRR
ด่วน
ความลึก
กิจกรรม
BlockBeats Pro
เพิ่มเติม
การเงิน
พิเศษ
ระบบนิเวศบล็อกเชน
รายการ
พอดแคสต์
ข้อมูล
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
BNB
$710
3.05%
Partnered With:

Cognition เปิดตัว FrontierCode: ชุดประเมิน AI ชุดแรกที่วัดคุณภาพการรวมโค้ด

ตามการติดตามของ Beating พบว่า Cognition ได้เปิดตัวชุดประเมินโค้ดอัจฉริยะรุ่นใหม่ชื่อ FrontierCode ซึ่งเน้นการประเมิน "ความสามารถในการผสานรวม" (Mergeability) ของโค้ดที่ AI สร้างขึ้น แทนที่จะวัดเพียงความถูกต้องในการทำงานเท่านั้น ชุดประเมินนี้พัฒนาร่วมกับผู้ดูแลโครงการโอเพนซอร์ส 36 โครงการ เช่น Celery, Budibase, uppy และ Mattermost โดยแต่ละภารกิจใช้เวลาพัฒนากว่า 40 ชั่วโมง เพื่อตรวจสอบคุณภาพการทดสอบโค้ด มาตรฐานการออกแบบ ขอบเขตการแก้ไข และมาตรฐานรูปแบบ

FrontierCode แบ่งออกเป็นสามระดับ ได้แก่ Extended (150 ภารกิจ), Main (100 ภารกิจ) และ Diamond (50 ภารกิจที่ยากที่สุด) ในชุดภารกิจ Diamond ที่มีความยากสูง โมเดลขนาดใหญ่ในปัจจุบันยังมีพื้นที่ให้พัฒนาอีกมาก: Claude Opus 4.8 ที่ทำผลงานดีที่สุดได้คะแนนเพียง 13.4%, GPT-5.5 ได้ 6.3%, Gemini 3.1 Pro ได้ 4.7% ขณะที่โมเดลโอเพนซอร์สที่ทำผลงานดีที่สุดอย่าง Kimi K2.6 ได้คะแนนเพียง 3.8%

เพื่อป้องกันไม่ให้โมเดลขนาดใหญ่ใช้วิธีการโกงหรือ投机ผ่านการทดสอบ ชุดประเมินจึง引入了กลไกการประเมินหลายอย่าง รวมถึงการทดสอบย้อนกลับที่กำหนดให้การทดสอบที่ตัวแทนเขียนต้องล้มเหลวเมื่อรันกับโค้ดที่มีข้อบกพร่องดั้งเดิม รวมถึงข้อจำกัดด้านขอบเขตที่จำกัดจำนวนไฟล์และบรรทัดที่แก้ไข ทีมพัฒนายังออกแบบเครื่องมือ mutagent ที่ใช้โมเดลขนาดใหญ่เพื่อปรับสภาพแวดล้อมการทดสอบแบบไดนามิกให้รองรับความแตกต่างในการดำเนินงานที่สมเหตุสมผล ลดอัตราการตัดสินผิดพลาดของชุดประเมินให้เหลือเพียงหนึ่งในห้าของ SWE-Bench Pro

举报 แก้ไข/รายงาน
ที่เกี่ยวข้องแนะนำ
ผู้ก่อตั้ง Hyperliquid Jeffrey Yan และเพื่อนร่วมชั้นและเพื่อนแข่งขันในการประกวด
นักธุรกิจรุ่นใหม่ได้ก้าวไปข้างหน้าแล้ว พวกเขาเผชิญหน้ากับคำถามที่ยากกว่าการแข่งขันในโอลิมปิกว่าครั้ง คือ "AI จะทำอย่างไรเพื่อ Um CS เป็นประชทฟ่อลทน์"
แก้ไข/รายงาน
ส่ง
เพิ่มคลัง
เห็นได้เฉพาะตัวเอง
สาธารณะ
บันทึก
เลือกคลัง
เพิ่มคลัง
ยกเลิก
เสร็จสิ้น