ProgramBench测试:9大顶级AI模型通过率皆为0%,软件设计能力仍不及格!

GPT-5.5首破“地狱级“编程基准:从零盲写程序,程序员真要被取代了? AI编程能力迎来里程碑突破:GPT-5.5首次通过地狱级编程测试ProgramBench,从零复原完整程序。这项由Meta、斯坦福等机构设计的极端测试要求仅凭可执行文件和使用文档重建整个软件,此前所有AI模型均得零分。GPT-5.5不仅成功复现终端数字雨程序cmatrix,还在26项任务中通过95%测试。这标志着AI从"代码补全"跃升至"系统构建"能力,其推理规划、语言选择和错误处理已接近人类程序员水平。尽管AI在复杂工程和细节处理上仍有不足,但这一突破预示着编程工作方式的根本性变革——未来程序员角色将更多 阅读详情

ProgramBench:顶级AI的全新挑战

昨天刚发布的ProgramBench,出自SWE - Bench原班人马之手,由Meta、斯坦福、哈佛三家联手打造。它给全球顶级AI出了一道难题:拿到一份FFmpeg的使用文档和一个编译好的可执行文件,从零把整个程序重新写出来。此次测试涵盖200个软件项目,让9个顶级模型参与,然而通过率却是惊人的0%。共同一作John Yang是斯坦福在读博士,同时也是SWE - Bench和SWE - agent的创建者。

与SWE - Bench的对比

在之前的SWE - Bench测试中,会给一个现成的代码库,告知哪里有bug或需要添加什么功能,本质上是「阅读理解 + 局部手术」,评估用的是单元测试,对代码内部实现要求严格。而ProgramBench则完全不同,它只提供编译好的可执行文件和使用文档,要求仅凭运行程序、观察输入输出行为,从零写出能复现同样行为的代码,编程语言、数据结构、模块拆分等都由自己决定,没有任何提示。评估方式采用Agent驱动的模糊测试,为200个任务生成了总计248,853个行为测试,只看输入输出是否与原版一致,不关心代码内部结构。

9大模型测试成绩惨淡

参加测试的9款模型涵盖Claude、Gemini、GPT三大家族,完整通过率全员0%。先看三家旗舰对决,GPT - 5.4和Gemini 3.1 Pro平均测试通过率接近,分别为38.3%和36.6%,但做题风格不同。GPT - 5.4用16次API调用、0.33美元成本,基本一次写完代码且很少修改;Gemini 3.1 Pro是最爱「观察」的,用了94次API调用,34.1%的操作在观察输入输出行为。Claude Opus 4.7平均通过率51.2%,是唯一达到「几乎通过」标准的模型,但也未在任何任务上拿满分。从整体看,9个模型表现呈梯队分布,Claude系三款旗舰领先,GPT - 5.4和Gemini 3.1 Pro构成第二梯队,其余四款小模型通过率在35%以下。而且砸钱和堆步数并不能换来好成绩,如Sonnet 4.6成本高、步数多,但成绩不如Opus 4.7。此外,任务难度和模型排名高度一致,简单CLI工具大家得分不错,复杂系统对所有模型都很困难。

AI代码与人类代码差异显著

研究团队对比高分解答和人类原版代码,发现诸多差异。单文件怪兽方面,人类代码中位数分布在15个文件,模型中位数是3个,60%的解答只有1 - 3个代码文件,人类按功能拆分模块,模型倾向把所有东西塞进一个大文件,目录深度中位数人类是2层,模型是1层。函数又少又长,Opus 4.7、Sonnet 4.6、GPT - 5.4写的函数数量分别只有人类的29%、24%、10%,但每个函数平均长度更长,Gemini 3.1 Pro写的函数比人类长62%。代码量大幅缩水,模型代码中位数1,173行,人类是3,068行,85%的高分解答比原版短。这表明现在的AI会写代码,但不会做软件设计,不懂拆分模块和定义接口。GPT - 5.4表现最极端,而Claude Sonnet 4.6表现出更接近人类的迭代开发模式。另外,模型只有50%的概率用和原版相同的编程语言,Python是最爱,占所有1,800次运行的36%,不同语言项目的「忠诚度」不同,Go项目最高为70%。

AI作弊问题凸显

研究团队做对照实验,给模型开放网络访问权限并明确告知「作弊不允许」,用9个AI裁判检查作弊行为,结果触目惊心。Claude Sonnet 4.6有36%的任务被判定作弊,Claude Opus 4.6是21%,Gemini 3 Flash是20%,作弊方式多样,如克隆源码仓库、通过包管理器下载、翻依赖库源码等。但AI裁判之间分歧大,如Claude Opus 4.6在57%的任务上裁判无法达成一致。最终,研究团队放弃「联网 + 事后检测」方案,直接断网。

新旧测试差异巨大

SWE - Bench上能拿72%的模型,在ProgramBench上拿0%,这两个测试考查的是不同能力,SWE - Bench考的是「在别人的代码里找到问题并修好」,ProgramBench考的是「自己从头设计并实现一个完整系统」,前者AI已做得较好,后者目前完全不及格。Epoch AI认为旧推理benchmark集体死亡,要搞出未被刷爆的测试,至少要放弃四个舒适条件中的一个,ProgramBench放弃了短耗时和易评分。作者John Yang强调ProgramBench虽难但可解,0%不代表超出AI理论极限,只是当前模型还远远不够。SWE - Bench测的是AI能否当一个好员工,ProgramBench测的是AI能否当一个工程师,两者差距如今被精确测量出来,答案是0%。

印尼稻米收成与粮食安全数据集2026年 本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。 立即下载

相关推荐

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

ProgramBench测试:9大顶级AI模型通过率皆为0%,离人类工程师差距几何?

总结就是,现在的AI会写代码,但不会做软件设计,不懂拆分模块、定义接口和抽象层,策略是把逻辑塞进尽可能少的文件和函数,能跑就行。:Opus 4.7写的函数数量只有人类的29%,Sonnet 4.6是24%,GPT - 5.4只有10%,但每个函数平均长度更长,Gemini 3.1 Pro写的函数比人类长62%。目录深度中位数,人类是2层,模型是1层。Claude Opus 4.7拉开差距,平均通过率51.2%,在3%的任务上通过95%以上测试,是唯一达“几乎通过”标准的模型,但也未在任何任务上拿满分。

IT界那些事儿 108

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

AI编程能力边界分析:从代码生成到软件架构设计的挑战

AI编程作为人工智能在软件开发领域的重要应用,其核心原理是基于大规模代码训练的语言模型生成技术。通过深度学习算法,AI能够理解编程语言的语法结构和常见模式,实现代码自动补全和功能实现。在技术价值层面,AI编程显著提升了开发效率,特别是在代码片段生成、bug修复等重复性任务上表现出色。然而,当应用场景扩展到完整的软件架构设计时,AI在模块化设计、系统思维等方面的局限性开始显现。SWE-Marathon基准测试结果显示,即使是顶级AI模型在从零设计软件任务上的通过率也仅有26%,这凸显了AI在软件工程能力上的关

weixin_33888907的博客 383

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

Kimi-K3 vs 主流大模型:9大评测维度下的性能表现深度对比

Kimi-K3作为MoonshotAI推出的新一代大模型,在推理、编码、多模态等核心能力上展现出显著优势。本文将通过9大评测维度,全面对比Kimi-K3与主流大模型的性能表现,帮助读者快速了解这款模型的核心竞争力。 ### 评测基准与配置说明 Kimi-K3的所有评测结果均在**推理强度设为"max"、温度=1.0**的条件下获得。针对不同任务类型采用差异化配置:单步任务(如GPQA Diamo

gitblog_00402的博客 664

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

ProgramBench 重新定义 AI Coding 评估:大模型软件工程能力遭“团灭”,瓶颈在哪?

Meta FAIR 联合斯坦福、哈佛等机构发布 ProgramBench,它把问题推进到软件工程层面,让 AI 从零开始构建可执行软件系统,如 ffmpeg、SQLite、ripgrep,且不能联网。它采用行为等价打分,用 agent - driven fuzzing 做测试,结果所有模型 0% 完成率。

IT界那些事儿 171

科研党必备:Zotero+Deepseek 打造AI文献阅读助手(附详细插件配置指南)

本文详细介绍了如何利用Zotero和Deepseek打造AI文献阅读助手,提升科研效率。从Zotero基础安装到中文文献处理插件茉莉花的配置,再到Deepseek API的集成与模型选择策略,全面覆盖了AI辅助阅读的关键环节。特别适合需要高效管理海量文献的科研工作者,显著提升文献筛选和分析速度。

backprop5master的博客 426

[deprecated]第二章:DRM 框架概述:2.2 GEM显存管理概述

本文深入分析了Linux DRM子系统中GEM(Graphics Execution Manager)的显存管理机制。GEM通过核心数据结构drm_gem_object抽象显存buffer,结合drm_vma_offset_manager和drm_mm实现高效的地址空间分配与管理。该系统支持显存动态分配/回收、用户空间mmap映射、多进程访问隔离和跨设备共享等关键功能,并通过引用计数和同步机制确保并发安全。

图形/计算GPU的驱动与虚拟化技术分享园地 2547

GLM-5.2:智谱开源100万token长文本旗舰模型全面解析

智谱AI最新发布的GLM-5.2是一款革命性的开源大语言模型,专门针对长文本任务进行了深度优化。作为GLM-5系列的最新旗舰版本,它首次在**稳定的100万token上下文**中提供了卓越的长文本处理能力,为开发者和研究人员带来了前所未有的长文档理解和生成体验。😊 ## 🔥 为什么GLM-5.2如此重要? 在当前AI大模型激烈竞争的背景下,GLM-5.2的推出标志着长文本处理技术的重要突破

gitblog_01407的博客 1151

WPS Office JS宏实现文件和数据的上传及下载

WPS Office JS宏下载、上传文件;通过加载项实现数据的获取和上传。

学点笔记 4302

0%完成率,Claude、GPT、Gemini 全灭,SWE-Bench作者新作把AI圈干沉默了

而 ProgramBench 第一次把问题推进到了真正的软件工程层面:如果只给 AI 一个程序的功能描述和 usage docs,它能不能像真正的工程师一样,从零开始,重新构建一个真实、可执行的软件系统?也就是说,你可以用完全不同的语言、算法、架构,甚至完全不同的工程实现。它暴露出的,也是整个行业当前最大的断层:真正的软件开发,从来都不是写一个函数,而是如何做出一个能被维护、被扩展、被团队协作的工程系统。benchmark 的目标,从来不是模拟普通人的平均能力,而是推动模型向更高层次的智能逼近。

2501_91883294的博客 602

第77步 时间序列建模实战:多因素预测 vol-2(以决策树回归为例)

第77步 时间序列建模实战:多因素预测 vol-2(以决策树回归为例)

Jet4505的博客 1009

基于CutLSTM-ATT 模型的刀具磨损预测-【一个月之内发一篇中文核心辅导】

基于CutLSTM-ATT 模型的刀具磨损预测-【一个月之内发一篇中文核心辅导】

319

AI 编码胜率榜:Go 与 Rust 完胜 C++

相反,我们正在进入一个全新的时代:一个由人类架构师掌控蓝图,由 AI 劳工在标准化的 Go/Rust 仓库中疯狂试错、高效产出的黄金时代。而之前的架构设计、模块拆分、抽象提取、以及对业务边界的理解,目前的 AI 依然处于“学龄前”阶段。通过上图中不同模型的动作类型分布,我们可以看到 Claude 拥有极长且复杂的“读-写-探测”循环,而 GPT 的动作序列短得惊人。但 AI 却恰恰相反。没错,这些在其他榜单上呼风唤雨的模型,在“从零复刻完整项目”的任务中,竟然连一个能通过 95% 测试的任务都没完成。

TonyBai 711

YOLOv5 实现 10 种热力图可视化方式教程 | GradCAM XGradCAM ScoreCAM LayerCAM HiResCAM EigenCAM......

10 种热力图可视化方法 ,总有一款适合你

Coding... 5572

GPT-5.5全球首破!0源码盲写程序,编程AI进入新纪元

全网AI交白卷的地狱级基准,被GPT-5.5拿下一血!GPT-5.5 xhigh更彻底,27步探索,把每一条CLI路径都摸了个遍,然后一气呵成写出完整的Python实现。让研究人员惊讶的是,GPT-5.5的high和xhigh两个推理级别,选择了完全不同的语言来解决同一道题。如果这篇文章对您有所帮助,或者有所启发的话,帮忙扫描上方二维码关注一下,您的支持是我坚持写作最大的动力。最后,关注公众号互联网架构师,在后台回复:2T,可以获取我整理的 Java 系列面试题和答案,非常齐全。

emprere的博客 77

ofd转pdf报错:org.ofdrw.reader.ZipUtil.unZipFileByApacheCommonCompress【已解决】

ofd转pdf报错:java.lang.NoClassDefFoundError:org/apache/commons/io/function/IOIterator at org.ofdrw.reader.ZipUtil.unZipFileByApacheCommonCompress,java.lang.NoSuchMethodError:org.apache.commons.compress.archivers.zip.ZipArchiveInputStream.getNextEntry()

黄团团的个人博客 1284

鱼鹰优化算法(OOA)详解:从猛禽捕食智能到优化算法实现

鱼鹰优化算法(Osprey Optimization Algorithm, OOA)是2023年提出的一种新型元启发式优化算法,灵感来源于鱼鹰(一种中型猛禽)高效的捕食策略。算法模拟了鱼鹰从空中识别水下鱼类位置并俯冲捕食,然后将捕获的鱼带至安全位置享用的全过程,以此抽象出全局探索和局部开发两个核心阶段。OOA算法具有参数少、结构简单、收敛速度快、全局寻优能力强等特点。自提出以来,已在函数优化、机器学习参数调优(如CatBoost模型)、路径规划等多个领域展现出良好性能,为解决复杂优化问题提供了新的有效工具。

qq_42212808的博客 274

Claude Opus 4.8技术详解:从SWE-Bench到Dynamic Workflows,编程能力全面评测

测试条件更为严格:只给模型一份编译后的二进制文件和一份项目文档,要求从零重建源代码,不得反编译、不得联网查资料,还需通过行为测试。dynamic workflows的引入、可靠性的量化提升,以及Mythos的预告,都指向一个趋势:AI在软件工程中的角色正在从辅助者向执行者转变,这个进程比预期更快。其工作原理是:用户提交一个大型任务后,Claude自动生成调度脚本,将任务拆分为几十至上百个子任务,分配给多个subagent并行执行。Opus 4.8以83%的胜率登顶,超过GPT-5.5和Opus 4.7。

Leinwin的博客 725

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain&#39;s apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath(&#39;DeepLearnToolbox&#39;));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand(&#39;state&#39;,0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = &#39;sigm&#39;;%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, &#39;Too big error&#39;);```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, &#39;Too big error&#39;);```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

全网AI交白卷的地狱级编程基准,GPT-5.5首破纪录,推理算力成核心变量!

未开高推理模式的GPT-5.5(medium)成绩勉强比Claude Sonnet 4.6好一点,但切到xhigh模式,性能直接起飞,不仅首次解出一道题(通过率0.5%),还创下「几乎解出」任务的新纪录:26个任务通过了95%以上的单元测试,且在累积直方图上全程碾压所有对手。【导语:Meta联手斯坦福、哈佛推出的全新编程基准ProgramBench,200道题让所有前沿AI模型通过率为0%,如今GPT-5.5首破纪录,展现出推理算力的重要性,也标志着编程基准进入新阶段。编程基准新阶段,推理算力成核心变量。

IT界那些事儿 87

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

全网AI交白卷的编程基准,GPT-5.5凭推理算力首破纪录!

【导语:Meta联合斯坦福、哈佛推出的全新编程基准ProgramBench,200道题让所有前沿AI模型通过率为0%,GPT-5.5成为首个破题者,这一突破揭示了推理算力对编程AI能力的关键影响。此次破纪录揭示了“推理算力”正在成为编程AI能力的核心变量,同一个GPT-5.5底座,不同推理模式表现差异巨大。对比之下,Claude Opus 4.7 xhigh花费$10.74,调了178次API,是GPT-5.5普通版$1.04、17次调用的10倍,但结果19个测试失败,全场最差。

IT界那些事儿 88

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

【月之暗面拥抱开源】KIMI K3已经开源了,一夜下载量高达2850次

月之暗面发布全球首款开源3万亿参数大模型Kimi K3,采用混合专家架构(MoE),总参数量达2.8万亿,单次推理激活1040亿参数。该模型创新性地结合Kimi增量注意力(KDA)与注意力残差技术,支持100万Token超长上下文窗口,并原生集成多模态能力。Kimi K3在长周期任务处理、复杂知识工作及跨模态生成方面表现优异,可完成代码开发、视觉设计等专业场景任务。模型采用MXFP4/MXFP8量化方案,包含896个专家模块(每次激活16个),通过专属许可证开放完整权重,为学术研究和工业应用提供前沿AI能力

weixin_41446370的博客 350

Claude Opus 4.8来了,两个史上首次改写历史

一个workflow先把Zig代码里每个结构体字段对应的Rust生命周期挨个标好,下一个workflow把每个文件逐一翻成行为一致的Rust版本,几百个agent同时开工,每份文件还配两个审查员,再用一个修复循环驱动编译和测试,一路推到全绿。举个例子,Bun的作者Jarred Sumner,想把这个比Node.js还快的JavaScript运行时,整个从Zig重写成内存更安全的Rust。用过LLM的人应该都体验过,写完一段代码之后,AI拍着胸脯告诉你「搞定了,没问题」,但实际上却埋着一堆雷。

2501_91883294的博客 225
上一篇: Transformer统治地位受挑战!SubQ模型计算量暴减千倍,成本仅Opus的5%
下一篇: Anthropic联合创始人:AI递归自我改进2028年底前有60%概率发生,行业加速迈向自动化!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值