自主软件开发相关 AI 资讯 · AITOP · AI热报

9月2日

10:49

10:49

官方一手arXiv: DeepSeek@Haoyang Yan, Min-le Su, Hangfan Zhang, Zhanhao Li, Chen Zhang, Shao Zhang, Yang Chen, Lei Bai, Shuyue Hu

精选73°

Harness-of-Harness(HoH)框架使基于LLM的编码代理能够在自主开发过程中持续改进软件。该框架在GameCraft-Bench、FrontierSWE和ProgramBench三个基准测试中，使用Codex与GPT-5.5、OpenCode与DeepSeek-V4-Pro、Pi与MiniMax-M3三对模型组合，平均相对提升52.25%，最高提升82.86%。在70多次迭代的多日部署中，HoH自主开发了一款具有连贯故事线、完整核心机制、可玩体验、精美视觉效果和集成音频的第一人称射击游戏。

AI模型 Harness-of-Harness GPT-5.5 DeepSeek-V4-Pro

推荐理由：HoH框架让AI编码代理能持续改进软件，在三个基准测试中平均提升52%，还能自主开发完整游戏。

8月13日

18:01

18:01

官方一手arXiv: DeepSeek@Beichen Huang, Zhenyu Liang, Bowen Zheng, Ran Cheng

精选

EvoX Genesis 提出以持久递归世界组织软件开发，用 DeepSeek V4 Flash 在 120 小时内构建了约 25 万行 Rust 版 C 编译器，花费仅 44 美元。该编译器通过完整 c-testsuite 及大部分 LLVM 和 Csmith 测试。在 GLM 5.2 生成的另一编译器世界中，即使反复替换开发代理，测试性能仍保持不变。Genesis 还将 13 个 MESA 模块（超 10 万行 Fortran）重写为近 9 万行 Rust，六个数值工作负载中位数加速达 1.55 至 6.87 倍。

论文 EvoX Genesis DeepSeek V4 Flash GLM 5.2

推荐理由：EvoX Genesis 用持久项目代替持久智能体，DeepSeek V4 Flash 花 44 美元写了能过测试的 C 编译器，MESA 提速 6.87 倍。