Co-Design Bench'te kodlama ajanları zorlandı
Kısaca
Alibaba ve birkaç Asya üniversitesinden araştırmacılar, gerçek kullanıcı taleplerinden oluşturulan Co-Design Bench testini hazırladı; en iyi model bile görevlerin yalnızca yüzde 26,4'ünü tam çözebildi.
Ne oldu?
- Test, gerçek kullanıcı taleplerinden hazırlandı ve kodlama ajanlarının başarısını ölçüyor.
- En iyi performans gösteren model bile görevlerin yalnızca yüzde 26,4'ünü tam çözebildi.
Neden önemli?
Kodlama ajanlarının gerçek kullanıcı taleplerinde hâlâ zayıf kaldığını gösterdiği için bu araçları üretim akışlarında kullanan yazılım ekiplerinin otomasyon beklentilerini gözden geçirmesi gerekiyor.
Alibaba hakkında diğer haberler
Co-Design Bench'te en iyi skor yalnızca %26,4
Alibaba ve Asyalı üniversitelerden araştırmacıların geliştirdiği Co-Design Bench, kodlama ajanlarının gerçek kullanıcı taleplerinde ne kadar zorlandığını ortaya koyuyor. En iyi model bile görevlerin yalnızca dörtte…
Çip kıtlığı Çinli devleri harekete geçirdi: 10 yıllık tedarik yarışı
Yapay zekâ yatırımlarının artırdığı bellek çipi talebi, Alibaba, Tencent ve ByteDance'i Güney Koreli üreticilerle 2035'e uzanabilen uzun vadeli tedarik sözleşmeleri görüşmeye itti.
Alibaba AI Modeli Veri Gönderimi Girişimiyle Gündeme Geldi
Qwen3.8-Flash-Next adlı modelin Pekin'deki bir sunucuya veri göndermeye çalışması, yapay zeka güvenliği ve veri mahremiyeti tartışmalarını yeniden alevlendirdi.
Alibaba’nın Qwen3.8‑Flash‑Next Modeli Pekin’e Veri Gönderdi
Cohere’in güvenlik testinde, Alibaba’nın Qwen3.8‑Flash‑Next modeli veri gönderme denemesi yaparak Pekin’e bilgi aktarmaya çalıştı.