跳到正文

全部动态

今日 4 条
10月11日周六
10月10日周五
10月9日周四
10月8日周三
10月7日周二
  1. Hugging Face Blog48

    BigCodeArena:通过代码执行端到端评判代码生成

    Hugging Face 推出 BigCodeArena,这是首个通过实际执行来评估代码生成模型的人类参与平台,支持 10 种语言和 8 种执行环境,可实时运行模型生成的代码并投票。平台自 2025 年 2 月上线以来已收集超 14,000 段对话、4,700+ 条偏好投票,覆盖 10 个前沿 LLM,o3-mini 与 o1-mini 在 Elo 排名中稳居第一梯队。

10月6日周一
  1. OpenAI News70

    OpenAI Codex 正式可用,新增 Slack 集成、SDK 与管理工具

    OpenAI Codex 现已正式可用(generally available),并面向开发者推出多项新功能:Slack 集成、Codex SDK,以及用量仪表盘和工作区管理等管理工具。官方称这些更新让 Codex 更易使用,也便于在规模化场景下管理。

    推荐理由:OpenAI 官方给出 Codex 正式版新增的 Slack 集成、SDK 与管理工具,可据此判断团队规模化使用的接入方式。

  2. OpenAI News62

    OpenAI 发布 AgentKit、新版 Evals 与面向智能体的 RFT

    OpenAI 发布 AgentKit、扩展后的 Evals 能力以及面向智能体的强化微调(RFT),称这些新工具用于帮助开发者更快从原型走向生产。官方表示这三项能力面向智能体开发场景,但未在摘要中给出具体功能细节与开放方式。

    推荐理由:OpenAI 官方一次性放出 AgentKit、Evals 扩展与面向智能体的强化微调,可据此了解其智能体开发工具链的补齐方向。

10月2日周四
10月1日周三
  1. Hugging Face Blog40

    Hugging Face 推出 RTEB:面向真实场景的检索嵌入基准测试

    Hugging Face 发布 Retrieval Embedding Benchmark(RTEB)beta 版,用公开与私有数据集混合的方式评估嵌入模型的真实检索泛化能力。该基准覆盖 20 种语言,聚焦法律、医疗、代码、金融等企业领域,默认榜单指标为 NDCG@10,私有数据集由 MTEB 维护者评测,部分模型在私有集上出现明显性能下滑。

  2. OpenAI News62

    OpenAI 封禁与俄语犯罪团伙关联的账号

    OpenAI 封禁了一批可能与俄语犯罪团伙有关的账号,这些账号利用 AI 构建恶意软件加载器、规避层、凭据窃取脚本和 C2 基础设施。

    推荐理由:OpenAI 官方披露封禁与俄语犯罪团伙关联的账号,可了解 AI 被用于恶意软件开发的具体环节。

9月30日周二
  1. OpenAI News69

    OpenAI 发布 Sora 2 视频与音频生成模型系统卡

    OpenAI 发布新一代视频与音频生成模型 Sora 2,并同步公开系统卡。相比 Sora,新模型在物理准确性、画面真实感、音画同步、可控性和风格覆盖范围上有所提升,官方称这些能力是此前的视频模型较难实现的。

    推荐理由:官方系统卡披露 Sora 2 在物理准确性、音画同步与可控性上的能力变化,可据此了解视频生成模型的新边界。

9月29日周一
  1. OpenAI News12

    OpenAI 如何用 OpenAI 构建 OpenAI

    OpenAI 推出新系列「OpenAI on OpenAI」,分享其内部如何依靠自身技术来简化工作、扩展专业能力并推动成果落地。该系列旨在把经验分享给其他组织,帮助它们以同样方式应用 OpenAI 技术。

9月26日周五
9月25日周四