Accelerate Bench 发布:32 项任务评测 16 个编码 Agent,得分差距拉大

Hugging Face Papers 收录的论文提出 Accelerate Bench,用 32 个 CPU 程序优化任务评测 16 个编码 Agent,Score@1 从 25.5% 到 67.4%,差距主要来自加速幅度而非正确性。

Hugging Face Papers 收录的论文提出 Accelerate Bench,用 32 个 CPU 程序优化任务评测 16 个编码 Agent,Score@1 从 25.5% 到 67.4%,差距主要来自加速幅度而非正确性。

2026 年 11 月 17 日,GitHub Copilot 应用在 Microsoft Ignite 期间扩展了三项能力:Azure DevOps 仓库接入进入公测,浏览器操作进入公测,GitHub Enterprise Server 支持转为正式可用。这意味着 Copilot 开始从编辑器助手变成能串联…

arXiv 2026年11月17日发布的一篇综述指出,乳腺癌检测正从单一影像走向多模态融合,AI 可在数据、特征、决策三个层面整合乳腺X线、超声、MRI 等15种以上模态,但数据集稀缺和外部验证不足仍是落地障碍。

一篇 Hugging Face Papers 论文提出 ScaleVLA,把 552B 参数的 DeepSeek-V4.1-Flash 视觉语言模型接到可训练的动作 DiT 上,并在统一设置下比较 2B 到 552B 规模在机器人控制任务上的表现,摘要称大模型在样本效率、泛化和精细操作上都有提升。

GitHub 于 2026 年 11 月 17 日扩展 Copilot Fusion,新增模型、登陆 Web、移动端和 Visual Studio,并公开 Terminal-Bench 4.1 成绩单;这为开发者选择多模型调度工具提供了可横向比较的性能与成本依据。

arXiv 上一项新研究提出 VEX 框架,让电脑操作智能体直接利用教学视频中的画面与语音进行学习,并通过回看自身操作视频来校验进度。在 OSWorld 测试中,9B 规模的 video-SALMONN-VEX 相比其 Qwen3.5 底座任务成功率相对提升 22%。

Hugging Face Papers 收录的 InclusionMed 提出了一套按医疗角色与 AI 能力分格的开放评测框架,首版只覆盖 9 个组合中的 3 个,前沿大模型综合得分仅 17.5 至 49.1 分(满分 100),说明现有医疗 AI 评测远未覆盖真实医疗需求。

OpenAI 的 GPT-6.2 Astra 和 GPT-6.2 Sol 已于 2026 年 11 月 17 日在 GitHub Copilot 中正式可用,两款模型面向代理式编程与代码审查,早期测试显示问题识别更强、token 消耗更少。

OpenAI于2026年11月17日发布法律专用模型配置Astra for Law 6.2,基于GPT‑6.2 Astra,在Harvey LAB-AA测试中排名第一,并首次向所有ChatGPT Enterprise客户开放API申请。

arXiv 2026年11月17日发布的一篇新论文提出,与其争论AI是否算“道德主体”,不如转向描述性研究:拆解人类道德能力,将其细化为可测试指标,用于评估大语言模型等AI系统。这为AI对齐讨论提供了一个更可操作的评估路径。