admin 2026-07-10 134浏览

OpenAI公开质疑SWE-Bench Pro基准：近三成评测任务存在缺陷 OpenAI发布博文，公开挑战行业权威评测基准SWE-Bench Pro。该基准由Scale AI推出，专门评测大语言模型与AI智能体的编程能力，因高度...

admin 2026-03-20 286浏览

通义千问Qwen3.5-Max-Preview登顶LM Arena，中国大模型首次跻身全球前五 3月20日，阿里通义千问正式发布Qwen3.5-Max-Preview，这款新模型在国际权威大模型评测平台LM Arena上一鸣惊人，以1464分的...