FrontierCode:衡量代码能否被合并的新基准
elie · x · 2026-07-04
新基准 FrontierCode 发布,超越「代码是否正确」,重点评估代码是否足够好、人类是否愿意接受合并——关注效率、可读性、可复用性,因为可持续项目需要这样的代码。报告还透露一个隐藏发现:算力扩展越过某个阈值后,目前反而出现收益递减甚至负收益,值得观察这是否只是当下训练实践的产物。
「研究」频道最新
- 研究者谈评测集透明度:组合性评测仍存数据污染隐患 — najoungkim · 2026-10-27
- 可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降 — johnhewtt · 2026-10-27
- EMNLP 论文：让 LLM 换个问法，「42」变「3」但蝴蝶仍是帝王蝶 — radamihalcea · 2026-10-27
- Datology Curation Studio 线上深潜：少于 20% 算力匹配最强基线 — josh_wills · 2026-10-27
- KANLab 开源：浏览器里可视化玩转 KAN 网络 — Lukas Niehaus · 2026-10-27
- CMU 提出 LLM2Cert：LLM 生成证书，SMT/Lean 自动验证 — CarnegieMellonU · 2026-10-27