News - Cocoloop
首页ClaudeGPTGeminiDeepSeek开源模型全部标签归档

大模型评测 资讯与深度分析

收录 大模型评测 相关 AI 新闻、产品动态和产业观察。 本页收录 3 篇已发布文章。

Agent 2026-07-08

阿里用海关编码测出Agent短板

AI Agent 又多了一道更接近真实工作的考题:不是让模型在网页里找答案,也不是让它把一段代码补完,而是给它一件商品,让它按海关规则判出 10 位 HS 编码。 阿里国际数字商业团队的 HSCodeComp 研究,7 月进入 ACL 20

#阿里#大模型评测
OpenAI 2026-06-18

OpenAI 出 750 道科研题,最强 AI 仅答对三分之一

先说结论:拿真正的生物科研题去考 AI,目前最猛的模型,三道里答对一道——这还是最高分。 这套题难在哪 OpenAI 6 月 17 日放出一套新基准,叫 LifeSciBench。专门干一件事:测 AI 到底会不会做生命科学的研究。 不是那

#AI for Science#大模型评测
AI编程 2026-06-15

上交大新基准测AI改bug命中率仅14%

你让 Claude Code 去修个 bug,它八成能找对是哪个文件出的毛病。可真正要动的那几行,它经常看漏。 这不是拍脑袋。6 月 14 日,上海交通大学牵头的一个国际团队甩出一个新基准,专门测 AI 编程 agent 的"找代码"这一步

#大模型评测#智能体#研究

News · Cocoloop

AI前沿资讯与深度分析,覆盖大模型、开源社区、产业动态。文章由 Cocoloop 编辑部基于公开来源核验整理。

模型资讯

  • Claude
  • GPT / OpenAI
  • Gemini
  • DeepSeek
  • Qwen

主题

  • 开源模型
  • AI编程
  • Agent
  • 全部标签

站点

  • 首页
  • 文章归档
  • Sitemap
  • RSS 订阅
  • robots.txt
  • 编辑标准

友情链接

  • Cocoloop 主站
  • 问答站
  • Hermes 指南

© 2026 News · Cocoloop — AI前沿资讯