当前位置: 网站首页 >音频编辑 >正文

Devin

Devin

AI类型:音频编辑

4

访问次数

欢迎程度

关注程度

阅读次数

推荐次数

简介

Devin是什么

Devin是由人工智能初创公司Cognition推出的全球首个全自主的AI软件工程师智能体,具备强大的编程和软件开发能力,能够在多个方面协助或完全独立地完成软件开发任务。在SWE-bench基准测试中,Devin解决实际问题的表现远超如GPT-4和Claude 2等AI模型。

Devin AI

Devin的开发公司Cognition正式成立虽然仅两个月,但团队成员拥有丰富的AI前沿工作经验,并且拥有多枚国际信息学奥林匹克竞赛(IOI)金牌,已获彼得·蒂尔的Founders Fund基金领投的2100万美元A轮融资。

Devin的主要功能

自主学习新技术:Devin能够通过阅读文档和代码来学习它不熟悉的技术,从而扩展其技能集。端到端构建和部署程序:Devin 能够理解整个软件开发流程,从前端设计到后端部署,甚至包括将应用程序发布上线。这意味着它可以从零开始构建网站、游戏或其他软件项目,并处理相关的工作流程。自主查找并修复Bug:Devin 具有出色的调试能力,能够发现并修复代码中的错误,即使开发者自己都没有注意到的问题也能被它找到并解决。训练和微调AI模型:Devin 不仅能够处理常规的编程任务,还能帮助训练和微调其他AI模型,显示出在人工智能领域的深度应用能力。修复开源库:对于开源社区中的问题,Devin 能够理解和解决,例如修复已知的bug或实现新的特性请求。对成熟生产库做贡献:Devin 能够对已经成熟的生产库做出贡献,例如修复已知的错误或添加新功能。Devin

Devin的性能对比

在SWE-bench基准测试中(要求智能体解决在 Django 和 scikit-learn 等开源项目中发现的实际 GitHub 问题),Devin能够正确处理13.86%的问题。这一成绩显著高于之前技术水平的1.96%,显示出Devin在理解和解决实际编程问题方面的巨大优势。

对比其他AI模型:Devin的表现远远超过了其他知名的AI模型,如GPT-4和Claude 2,这些模型在同样的测试中的正确率通常较低。

Devin SWE-bench基准测试

如何使用Devin

目前Devin还在内测中,请访问Coginition的官网查看更多信息,想要抢先体验的用户可填写Devin的内测申请表。

相关资讯 更多+
  • FitDiT – 腾讯联合复旦推出的高保真虚拟试穿技术
    FitDiT – 腾讯联合复旦推出的高保真虚拟试穿技术

    FitDiT是高保真虚拟试穿技术,是腾讯和复旦大学联合推出的。基于Diffusion Transformers(DiT)关注高分辨率特征,提升服装细节的呈现。FitDiT用服装纹理提取器和服装先验演化技术,增强对服装纹理如条纹、图案和文字的捕捉能力。用扩张-松弛掩码策略,优化服装尺寸适配问题。

    AI教程资讯 2025-02-06

  • Documind – 开源AI文档处理工具,将PDF转换为图像提取结构化数据
    Documind – 开源AI文档处理工具,将PDF转换为图像提取结构化数据

    Documind是开源的AI文档处理工具,能从PDF文档中提取结构化数据。Documind具备将PDF转换为图像、用OpenAI API进行信息提取,根据用户定义的模式格式化输出结果的功能。Documind支持在本地或云端灵活部署,适用于多种文档格式的数据处理。用户基于定义提取模式指定所需信息,Documind据此从文档中提取相应的数据。

    AI教程资讯 2025-02-05

  • MARS – 字节推出优化大模型训练效率的框架
    MARS – 字节推出优化大模型训练效率的框架

    MARS(Make vAriance Reduction Shine)是字节跳动推出的创新的优化框架,提升大型模型训练的效率。MARS融合预条件梯度方法与方差减少技术,基于缩放随机递归动量技术优化梯度估计。MARS框架灵活,支持全矩阵或对角Hessian近似,衍生出基于AdamW、Lion和Shampoo的三种优化算法实例。

    AI教程资讯 2025-02-05

  • Verifier Engineering – 中科院、阿里、小红书联合推出的新型后训练范式
    Verifier Engineering – 中科院、阿里、小红书联合推出的新型后训练范式

    Verifier Engineering(验证器工程)是中国科学院、阿里巴巴和小红书联合推出的新型后训练范式,为基础模型设计,解决提供有效监督信号的挑战。Verifier Engineering基于自动化验证器执行验证任务并向基础模型提供反馈,分为搜索、验证和反馈三个阶段,优化模型性能。

    AI教程资讯 2025-02-05

确定