研究团队表示，三款模型基于相同的基础训练数据集，高一致率的结果符合预期。真正具备研究价值的是模型间25%的分歧部分，这种差异大概率并非源于模型对工具质量的独立判断，而是由基于人类反馈的强化学习（RLHF）调优策略不同，以及生成环节的专属微调差异导致。

有趣的是，Claude Code在不同项目上下文中的表现也颇具特色。尽管同一工具类别在不同代码仓库中，其选择可能会有所不同，但在相同项目中，即使用不同的措辞表达需求，其选择的稳定性平均达到76%。这表明，项目的上下文对工具选择的影响远大于指令的措辞。 从实验结果来看，Claude ...

After several weeks of testing, Apple today released Xcode 26.3, an update that allows developers to use tools like Anthropic ...

February 26, 2026: We added three new codes for The Forge and removed any expired ones. The Forge is an exciting Roblox experience, which should be great for anyone out there yearning for the mines.

新智元报道 编辑：LRST【新智元导读】AI能写代码，却修不好构建环境、看不懂系统监控、串不起全链路运维——新基准DevOps-Gym显示，顶级模型在真实软件工程任务中全链路成功率归零，暴露其缺乏长程推理与动态系统理解能力，AI辅助编程远未触及真实开发核心。随着LLM的爆发，Coding ...

在 IBM 股价遭遇 25 年来最惨烈单日暴跌的三天后，该公司高级副总裁、软件主管兼首席商务官 Rob Thomas 对近期围绕 AI 与 COBOL 的讨论做出回应。他试图为投资者厘清一个关键概念：AI 能够转换 COBOL 语言，并不意味着它能替代 IBM 大型机的核心价值。