智能AI None NeurIPS 2026｜小红书 × 复旦大学用DR-Rubric为开放式强化学习构建评分标准 让大模型回答一道数学题，通常还能拿标准答案判断对错。可如果问题换成「梳理一个领域的研究进展」「比较几种技术路线」或者「给出有依据的专业建议」，怎样才算答得好？答案没有唯一版本，遗漏关键事实、混淆概念、论证不充分，都可能藏在一段看起来很流畅的 Rubric rubric Deep 2026-10-19 机器之心
智能AI None AI编程进入下半场！新基准不测补丁，拷问真正的工程能力 新智元报道 【新智元导读】 AI写代码已从补丁阶段进入全流程工程评估，SWE Atlas 首次系统评测代码理解、测试编写与重构等核心能力。结果显示，尽管GPT-5。4等模型能完成基础功能，但在代码健康、边界覆盖和跨文件协调上仍有明显不足。当 SWE Atlas rubric 2026-05-23 新智元