ملخص بالذكاء الاصطناعي٢٩ ربيع الآخر ١٤٤٨ هـ١٠ أكتوبر ٢٠٢٦
ملخص بالذكاء الاصطناعي
٢٩ ربيع الآخر ١٤٤٨ هـ١٠ أكتوبر ٢٠٢٦
لينوفو تتصدر قائمة SWE-bench-Live بفضل نظام TianxiCode
احتل نظام TianxiCode الذي طورته لينوفو المركز الأول في قائمة SWE-bench-Live Lite، حيث تمكن من حل 71% من المهام. وفقًا لبيان لينوفو، تم استخدام نموذج DeepSeek-V4.1-Flash كقاعدة أساسية، وتم التحقق من النتائج رسميًا في 8 أكتوبر.
تختلف SWE-bench-Live عن الاختبارات التقليدية، حيث تتطلب من الأنظمة إنتاج تصحيحات لمشاكل حقيقية مستخرجة من مشاريع GitHub. يتعين على الفرق تقديم مسارات كاملة لتشغيل وكيلهم، مما يضمن عدم تسرب أي إجابات مرجعية أو حالات اختبار.
تظهر هذه النتائج قدرة نموذج Flash على تحقيق أداء عالٍ عند دمجه مع وكيل قوي، مما يعكس إمكانيات لينوفو في دمج هذا العمل في أدوات المطورين ومنتجاتها من الأجهزة الذكية، رغم عدم تحديد الجدول الزمني لذلك.
تابع هذه المواضيع
سجّل دخولك لمتابعة المواضيع التي تهمك
يُنتج هذا الملخص باستخدام تقنيات الذكاء الاصطناعي مع مراجعة تحريرية دورية، ويرجى الرجوع إلى المصدر الأصلي للتفاصيل الكاملة.
لينوفو تتصدر قائمة SWE-bench-Live بفضل نظام TianxiCode
احتل نظام TianxiCode الذي طورته لينوفو المركز الأول في قائمة SWE-bench-Live Lite، حيث تمكن من حل 71% من المهام. وفقًا لبيان لينوفو، تم استخدام نموذج DeepSeek-V4.1-Flash كقاعدة أساسية، وتم التحقق من النتائج رسميًا في 8 أكتوبر.
تختلف SWE-bench-Live عن الاختبارات التقليدية، حيث تتطلب من الأنظمة إنتاج تصحيحات لمشاكل حقيقية مستخرجة من مشاريع GitHub. يتعين على الفرق تقديم مسارات كاملة لتشغيل وكيلهم، مما يضمن عدم تسرب أي إجابات مرجعية أو حالات اختبار.
تظهر هذه النتائج قدرة نموذج Flash على تحقيق أداء عالٍ عند دمجه مع وكيل قوي، مما يعكس إمكانيات لينوفو في دمج هذا العمل في أدوات المطورين ومنتجاتها من الأجهزة الذكية، رغم عدم تحديد الجدول الزمني لذلك.
الوكلاء والأتمتة
تابع هذه المواضيع
سجّل دخولك لمتابعة المواضيع التي تهمك
يُنتج هذا الملخص باستخدام تقنيات الذكاء الاصطناعي مع مراجعة تحريرية دورية، ويرجى الرجوع إلى المصدر الأصلي للتفاصيل الكاملة.
0
0 يقرأون الآن
تقييم الخبر
سيظهر متوسط التقييم بعد 3 تقييمات.
لم تقم بالتقييم بعد.
سجل الدخول للتفاعل والتقييم والحفظ. تسجيل الدخول
