开源动态7

TestPrism，AI写测试合格率跌破30%

新智元2026-11-12

AI 摘要

南京大学团队发布代码测试评测基准 TestPrism。评测发现，面对同一需求的多样代码实现时，最强 Coding Agent 的联合测试成功率仅 28%。

失败原因：过拟合与判断标准错误占半数

提升方案：TestHelix通过多Agent交叉检验提升约12%

资源获取：评测基准数据与相关代码已在GitHub开源

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

京东南大提Road MOPD缓解蒸馏冲突

针对多教师在线策略蒸馏在参数更新时的跨领域干扰，京东联合南京大学提出 Road MOPD，在 Qwen3-4B 的高冲突训练中使医学均分最高提升 8.78 个百分点。

本文是InfoQ编译的科技播客访谈，Reflection AI由前Google DeepMind Gemini团队成员创立，近期发布了5010亿参数的开放大模型Beam，主打编程、推理和智能体任务，发布一周后传出英伟达拟收购该公司的消息，访谈中分享了对开放模型诸多问题的观点。

本文介绍牛津、莫纳什、布里斯托等多校团队提出的交互式视频世界模型Oneira，解决现有模型交互错配、状态易丢失的缺陷，实验效果优于现有主流基线模型。

本文基于Armin Ronacher的播客内容整理，拆解欧洲团队开发的极简Coding Agent Pi爆火的原因，分享Pi的设计哲学，以及对AI编码、开源、Agent发展的核心判断。