数据不会撒谎，在 SWE-bench-Verified 和 Terminal Bench 2.0 这两个公认最难的编程榜单中，GLM-5 分别拿下了 77.8 和 56.2 的高分，在真实编程场景的体感上，已经无限逼近 Claude Opus 4.5 ...

这项由南京大学和伦敦大学学院联合开展的研究发表于2026年，论文编号为arXiv:2602.05892v2，为理解和评估大型语言模型在编程任务中的表现提供了全新视角。当今时代，智能编程助手已经逐渐走入我们的工作和学习中。这些基于大型语言模型的编程工具 ...

这项由新加坡国立大学、南洋理工大学、新加坡管理大学、莫纳什大学以及澳大利亚联邦科学与工业研究组织(CSIRO)数据61实验室联合完成的研究发表于2026年2月，论文编号为arXiv:2602.07422v1，为代码生成AI的安全性问题提供了突破性解决 ...