「AI测试集」共找到 11065 篇相关文章
1周半写64个PR、完成30%项目重构：一家成熟SaaS公司把Agent塞进研发全流程后
Calendly公开Agentic Engineering实践，Agent嵌入研发全流程，如审查需求、写代码、测试等。一周半内，Agent为IAM团队生成64个PR，完成30%项目重构。研发瓶颈从写代码转为判断力，强调好需求与护栏重要性。
The Batch: 968 | Muse Code 想获取你的数据
Meta推出Muse Code编码框架及Muse Spark 1.2模型，有不同输入输出、功能和性能表现。提供不同档位价格，贡献者档位低价但数据用于训练。测试显示其单任务成本低，Meta此举或为获取编码训练数据。
从Claude隐形水印回望GenAI时代信息隐藏：嵌入水印如何保证无损？
2026年Anthropic新版Claude模型嵌入隐形水印，引发对水印是否伤模型的质疑。可证安全隐写理论为解决此问题提供支撑，中科大等团队取得诸多成果，将“可证无损”从内容延伸到模型，还探讨了水印攻防。
突发！Claude挑战黎曼猜想「失败」，却意外刷新37年数学纪录
AI向黎曼猜想发起挑战，Anthropic的Claude研究版本虽未攻克该猜想，但将黎曼ζ函数中已知至少位于临界线上的零点比例下界，由41.6%提高到了67.2%，这可能是解析数论领域重大进展。
Palantir活成了所有FDE羡慕的模样：被骂十年外包，股价一天暴涨29%
8月3日美股盘后，Palantir交出2026年二季报，业绩亮眼致次日股价涨29.45%。此前它被看空，因其交付方式被指像外包。但从财务看它利润率高，且业务增速快，不过高估值和国际业务仍存挑战。
阿里安全AGI一次发布3款LLM，8B多维度领先GPT-5.4
近期，阿里安全AGI实验室发布3款Yuvion LLM，在AI安全与内容安全领域多维度领先。它以‘对抗即智能’为原则，构建五类数据体系，采用三阶段训练范式，通过YLRE四级评测体系验证能力。
供需失衡的窗口期里，商汤大装置把国产算力做成了正毛利生意
WAIC期间，商汤大装置举办AI基础设施论坛，展示国产算力成绩单，将国产芯片业务毛利率做到正数。其通过异构混合推理等操作方法论，提升芯片利用率，还在多领域合作，虽红利或收窄，但方法论有长期价值。
盘点16个把自己蒸馏成Skills的国民级App。
作者盘点16个将自身能力封装成Skill或MCP的国民级App，涉及餐饮、出行、办公等领域，如瑞幸咖啡、飞猪、飞书等，还提到部分AI产品集成第三方服务情况，指出向全面Agent化过渡的趋势。
阿里Qwen 3.7 Max：35小时自主编程，Claude跟不上了？
阿里云峰会发布的Qwen 3.7 Max，在优化平头哥芯片推理内核任务中，35小时让推理速度快10倍。它在多基准表现出色，编程、推理、办公自动化全面开花，但闭源且实验室场景与现实有差距。
I/O大会开完，谷歌连搜索框都变智能体了
当地时间周二谷歌I/O大会举行，转型智能体时代。谷歌推出Gemini 3.5系列模型，轻量级3.5 Flash已开放，重量级3.5 Pro仍在开发。还发布全新AI智能体Spark，改造谷歌搜索，推出多模态模型Gemini Omni。