北航LiveRepoReflection: 扭转乾坤-仓库级代码反射
本文提出了一种新的代码仓库反思基准LiveRepoReflection，用于评估多文件仓库上下文中的代码理解和生成能力，该基准包含6种编程语言的1,888个测试案例，并通过严格的筛选流程确保其质量与难度。
PaperAgent
被传疯的 AI Agent 实操指南：7步解锁大模型隐藏技能！
《动手做AI Agent》介绍了涵盖GPT-4、LangChain等前沿技术的7个完整项目，帮助读者掌握AI Agent开发技巧，并深入理解其在办公自动化、智能调度、知识整合及检索增强生成领域的应用。
数学编码超越O3-high，英伟达版「DeepSeek R1二代」推理模型开源~
Nvidia开源OpenReasoning-Nemotron系列模型，采用Qwen2.5架构训练，表现卓越，在多项推理基准测试中刷新最先进水平，支持‘heavy’模式多智能体协作。
从DeepSeek-V3到Kimi K2：八种现代 LLM 架构大比较
GPT-2以来七年，主要大模型架构对比分析。主要介绍DeepSeek V3、Mistral Small 3.1、Qwen3、SmolLM3等模型的架构特点及其在内存占用、性能优化等方面的创新点。
