「Web自动化测试」共找到 2213 篇相关文章
刚刚，AI科学家Zochi在ACL「博士毕业」，Beta测试今日上线
Intology宣布AI科学家Zochi论文被顶会ACL主会录用，成首个独立通过A*级别会议同行评审的AI系统，还开放Beta测试。其研究成果显示语言模型安全措施或有不足，Zochi工作成果多且质量高。
顶尖AI竟输给三岁宝宝，BabyVision测试暴露多模态模型硬伤
UniPat AI 等发布多模态理解评测集 BabyVision，测试显示多模态大模型纯视觉能力仅达三岁幼儿水平。其通过对比实验、细分任务评测，揭示模型系统性缺基础视觉能力，还给出新方向及发展建议。
突发！微软刚开源GitHub Copilot Chat，超强AI Agent自动化编程
今天凌晨4点30，微软首席执行官分享VS Code的最新AI开源编辑器GitHub Copilot Chat。其亮点是支持AI Agent自动化编程，能执行多步骤编码任务。还支持人机协作、MCP协议等，在GitHub很受欢迎。
生产级Prompt自动化推理评估A/B实验结果的工程实践
本文围绕生产级Prompt自动化推理评估A/B实验结果展开，介绍系统背景与痛点，展示主Prompt和决策树，用deepseek - r1等模型推理。通过分析Bad Cases优化Prompt，总结设计原则和迭代方法，还给出通用启示与展望。
FACTS 基准测试套件问世，用于评估大型语言模型的事实准确性
FACTS 基准测试套件由 FACTS 团队与 Kaggle 联合开发，基于原 FACTS Grounding Benchmark 增加三个新基准，可从四个维度评估大模型事实性。初步结果显示进展与挑战并存，多模态成难题。
Meta 用一个烂 Web 应用替换原生 WhatsApp：Windows 用户活该将就？
Windows 11 版 WhatsApp 升级后只是在 WebView2 容器加载网页版，性能糟糕、卡顿，与 Windows 通知兼容性差。Meta 曾用原生应用替代 Web 版，如今又走回头路，让人担忧 macOS 版未来。
反击AI论文！arXiv每年拒掉2%造假内容，自动化工具加入审核
AI生成论文泛滥，arXiv等预印本平台升级审核机制，用自动化工具检测。Nature发现每年约2%论文因AI使用被拒，如bioRxiv等平台每天拒绝不少AI手稿。平台既要防造假，又要避免误伤合理AI润色。
Anthropic、Thinking Machines Lab论文曝光：30万次压力测试揭示AI规范缺陷
Anthropic和Thinking Machines Lab等机构研究人员提出模型规范压力测试法，基于细粒度价值体系生成超30万个查询场景，分析12个前沿大模型回答，揭示模型规范存在原则冲突、解释歧义等缺陷。
21岁MIT辍学，估值3亿美金！誓要自动化十亿小时办公
两个MIT辍学生创办AI合规初创公司Delve，成立半年获3200万美元融资，估值达3亿美元。他们用AI智能体解决企业合规痛点，目标是自动化十亿小时人类办公，虽有竞争，但凭借领域深度脱颖而出。
GPT-6 Astra发布，多个基准测试接近满分，“欢迎来到AGI时代”？
当地时间9月3日，OpenAI发布GPT-6 Astra，称其为“最智能、最对齐”的模型。它在多测试表现逆天，能力提升显著，还加入新特性。不过价格更高，也带来安全问题。