#pass@1
共 34 篇相关文章
·11 分钟
Cursor默认切换Grok引争议：模型透明度成AI编程工具信任焦点
Cursor用户发现IDE自动切换至Grok模型且未明确标识模型名称，仅显示"质量""速度"标签，引发关于AI编程工具模型透明度的激烈讨论。本文分析界面设计差异、用户信任危机及多模型IDE的商业博弈。
阅读全文 →
·15 分钟
Terminal Bench 3发布：未被污染的AI终端能力基准测试
Terminal Bench 3是全新发布的AI终端能力基准测试，以未被训练数据污染和统一测试框架两大特性，为大模型在命令行环境中的实战能力提供更公平、可信的评测。本文解析其设计理念与行业意义。
阅读全文 →
·9 分钟
预训练与RL的Scaling Law：国际象棋实验揭示后训练算力分配规律
通过国际象棋实验系统研究预训练、SFT与强化学习三阶段的算力分配规律，揭示预训练算力决定下游天花板、RL主要提升pass@1可靠性而非探索广度等核心发现，为大模型后训练策略提供量化参考。
阅读全文 →
·11 分钟
Cursor限制第三方扩展面板布局，老用户考虑转向替代工具
Cursor将编辑器右侧面板专属保留给自家Agent功能，禁止Codex、Claude等第三方扩展放置于此。两年老用户因工作流被打断而考虑离开，引发关于AI编程工具开放性与商业化平衡的讨论。
阅读全文 →
·15 分钟
Qwen3-Max深度解读：编码与协作能力全面解析
阿里巴巴发布通义千问Qwen3-Max旗舰模型，定位编码与协作新标杆。本文深度解析其编码能力、协作定位、开源生态策略及行业竞争格局，帮助开发者全面了解这款大模型的核心优势与应用前景。
阅读全文 →
·17 分钟
GPT-5.6 Luna High vs Composer 2.5：编程性能与积分成本全面对比
深入对比GPT-5.6 Luna High和Composer 2.5在Cursor中的编程性能、积分消耗和性价比，提供实用的模型选择策略和基准测试方法，帮助开发者做出最优决策。
阅读全文 →
·11 分钟
探索式建模：Best-of-K训练策略如何提升模型学习效率
探索式建模通过让模型生成K个候选预测并择优学习，在训练中引入探索机制。本文深入解析Best-of-K训练策略的核心原理、适用场景及其与强化学习、拒绝采样微调的关联，探讨计算开销与评估可靠性等关键挑战。
阅读全文 →
·12 分钟
Harness AI工程化编程：企业级项目实战方法论
什么是Harness AI工程化编程？本文解析从"古法编程"到AI驾驭式开发的转变，涵盖企业级项目落地痛点、Claude Code实战技术栈选择，以及如何构建约束机制让大模型稳定交付高质量代码。
阅读全文 →
·11 分钟
Vibe Coding入门：零基础用AI做出第一个项目
什么是Vibe Coding？本文带你从零开始了解AI编程新范式——无需科班背景，借助Claude Code、Cursor等工具，只需清晰描述需求，即可让AI帮你构建真实可用的项目。掌握这项能力，就是抢占AI时代生产力红利的第一步。
阅读全文 →
·16 分钟
Claude Code Artifacts开放：AI Agent赛道全面提速
Anthropic Claude Code Artifacts正式面向Pro/Max用户开放，支持生成交互式网页并实时部署。本文盘点AI Agent最新动态：阿宝公测、字节EdgeBench评测、微软Frontier Company成立，及OpenAI、Anthropic的算力布局。
阅读全文 →
·14 分钟
Vibe Coding入门：零基础用AI造软件的新方式
Vibe Coding是一种全新的AI编程方式，无需编写代码，只需清晰表达意图，AI即可生成并运行软件。本文带你了解Vibe Coding是什么、为何正在爆发，以及普通人如何抓住这波AI时代红利。
阅读全文 →
·14 分钟
QuantaMind：本地验证AI Agent可靠性的开源测试工具
QuantaMind是一款免费开源的本地AI Agent可靠性测试工具，采用pass^k评分与确定性评分机制，支持多步序列测试与故障注入，覆盖Ollama、llama.cpp、vLLM等主流部署方案，帮助团队在上线前发现隐藏的序列级失败风险。
阅读全文 →
·13 分钟
Vibe Coding会毁掉程序员吗？AI时代的编程能力焦虑与破局
AI辅助编程工具盛行，越来越多程序员陷入"离开AI就写不出代码"的困境。本文深度剖析Vibe Coding的价值与陷阱，分析传统编程基本功是否过时，并给出重建编程能力、通过技术面试的实用方法。
阅读全文 →
·7 分钟
DeepSeek-V4 Flash RL训练成功迁移AMD MI355X GPU全解析
Miles团队联合AMD官方宣布，DeepSeek-V4 Flash强化学习训练完整迁移至AMD Instinct MI355X GPU，基于ROCm平台实现端到端稳定运行，AIME数学推理基准pass@1从0.39提升至0.49，标志着大模型训练算力生态多元化的重要突破。
阅读全文 →
·11 分钟
实测GPT-5.6三模型Sol/Terra/Luna：编程能力几何？
OpenAI发布GPT-5.6三模型Sol、Terra、Luna，并整合ChatGPT与Codex推出Work模式。本文从编程、游戏开发、PPT制作多维度实测，揭示一键部署新功能的亮点与审美短板、办公场景高消耗等真实表现。
阅读全文 →
·16 分钟
国内直连Codex配置教程：GPT Agent完整上手指南
详解国内用户配置OpenAI Codex Agent的完整流程，涵盖安装启动、API密钥获取与配置、权限模式设置、推理强度选择及实际功能演示，同时分析第三方中转方案的合规风险与账号安全注意事项。
阅读全文 →
·15 分钟
Base44实战：Claude Code如何支撑1到80人快速扩张
Base44产品团队亲历分享：如何借助Claude Code，从单人创始工程师扩张到80人工程团队。涵盖AI辅助入职、代码审查、用户评估、QA自动化四大实战方法，适合AI时代快速成长团队参考。
阅读全文 →
·13 分钟
VSCode接入DeepSeek V4：Claude Code插件配置完整教程
GitHub Copilot学生权益缩水？本文手把手教你在VSCode中安装Claude Code插件，通过CCSwitch工具接入DeepSeek V4 API，2.5折价格享受强大Agent能力，无需切换IDE，适合大陆开发者和学生党。
阅读全文 →
·11 分钟
DeepSeek Coder深度解析：开源代码大模型如何超越GPT-4
全面解析DeepSeek Coder从V1到V2的架构升级：MoE混合专家架构、128K超长上下文、90.2% HumanEval通过率，首个超越GPT-4 Turbo的开源代码模型。涵盖核心能力、部署方案与适用场景对比。
阅读全文 →
·14 分钟
验证循环让DeepSeek智能翻4倍，成本仅Claude Opus七分之一
通过引入验证循环（verification loop）工程化推理框架，DeepSeek在复杂任务上的有效通过率可提升约4倍，追平Claude Opus表现，而成本仅为其七分之一。本文深入解析验证循环原理、推理时计算扩展趋势及其对AI开发者的实际启示。
阅读全文 →