TAG:Bench
腾讯推出WorkBuddy Bench：一套覆盖代码网页办公安全四个领域的编码智能体评测基准
腾讯推出 WorkBuddy Bench 多领域编码智能体评测套件，横跨代码、网页、办公、安全四领域共260个任务，均从真实PR和业务场景逆向工程构建，有效防抗污染。论文已发布，评估框架支持多模型，揭示Claude Opus4.8等模型表现及框架敏感性。此开源基准为真实工作环境下的智能体评测提供全新标准。
14 
0 
谷歌升级 Android Bench 代码排行榜：Claude 5 登顶榜首，Gemini 在准确率和效率上均落后
谷歌升级Android Bench代码排行榜，引入Harbor沙箱框架并开源，推动AI代码评估标准化。在最新排名中，Anthropic的Claude Fable5以84.5%准确率夺冠，OpenAI GPT-5.5紧随其后，而谷歌Gemini 3.1 Pro仅列第五，暴露出准确率与效率的双重短板。尽管Gemini在成本上略有优势，但轻量级模型效率严重不足。此次改版突显了行业向自主智能开发转型的趋势，Android Bench正成为权威的AI代码评估平台。
美股三大指数震荡整理，芯片股走高，光通信板块大涨
2026-05-11
0 浏览
多空胶着恒指震荡整理，AI景气外溢主导行情波动
2026-05-11
0 浏览
宠物AI公司PurrPurr获阿尔法公社投资 首年GMV目标5000万
2026-05-11
0 浏览
隆源股份业绩说明会回应今年新能源汽车零部件领域新客户洽谈中
2026-05-11
0 浏览
中国品牌市占率达75%，4月我国汽车销量约252.6万辆，新能源汽车出口贡献度近五成
2026-05-11
0 浏览
4月汽车出口增长51% 国内零售下跌超20%
2026-05-11
0 浏览
4月全国新能源汽车渗透率历史首次突破60%，燃油车零售同比暴跌37%
2026-05-11
0 浏览
港股复盘：强势翻红 芯片概念股冲高回落 短期风险需警惕
2026-05-11
0 浏览
申昊科技拟设具身智能子公司 加码人形机器人业务
2026-05-11
0 浏览
