「自动化评测」共找到 1118 篇相关文章
MetaGPT 用户智能体发布，开启端到端自主软件测试新范式！
当前AI软件领域代码生成智能化发展快，但测试验收仍靠手动，效率低。MetaGPT推出用户智能体，研究团队发布RealDevWorld框架和AppEvalPilot实现端到端自动化评测，解决复杂软件质量评估难题。
程序员必收藏！AutoGPT x 167k star实战指南：AI拆解+插件驱动，源代码一键自动化
AutoGPT 是基于 GPT - 4 的开源自主智能代理，在 GitHub 上超 176K 星，速度超 PyTorch。它能解决复杂任务自动化等痛点，具备持续自动任务等核心功能，还给出使用指南，在同类型项目中领先。
Unify：9个月两轮融资估值2.6亿美元，AI 自动化销售赛道跑出新独角兽
AI销售自动化平台Unify完成4000万美元B轮融资，投后估值2.6亿美元。其核心产品解决销售数据孤岛等痛点，20 - 30%营收来自自用。虽面临竞争，但有独特优势，未来挑战与机遇并存。
Embodied Arena：业界首个统一具身大脑评测平台重磅发布，30+模型全面对比揭示关键洞察
具身智能火热，研究者常感茫然。Embodied Arena评测平台上线，它全面统一且持续演进，涵盖22+基准测试和30+模型，构建评估体系，揭示关键洞察，为具身模型发展指引方向。
第三个软件黄金时代来了！软件工程宗师、70 岁 UML 之父发声：AI 自动化被严重夸大，Dario Amodei 又越界了
软件工程宗师、UML 之父 Grady Booch 在播客分享对计算领域三次‘黄金时代’理解，直言 Anthropic CEO Dario Amodei‘软件工程将 12 个月内自动化’判断错误，强调工具虽变但软件工程难题未消失。
OpenAI两位首席最新采访信息量好大！终极目标是“自动化研究员”，招人并非寻找“最出圈”的人
OpenAI首席科学家Jakub Pachocki和首席研究官Mark Chen在采访中爆料，谈到GPT - 5将推理引入主流、实现自动化研究员目标、强化学习未到瓶颈等，还阐述用人标准、算力分配等问题。
做出ChatGPT核心研究的人今天掀桌：大模型搞不定自动化，新架构提速200倍且输出免费
前OpenAI ChatGPT核心研究员Diogo Almeida，研发两年推出专为业务自动化设计的全新模型Jev，新架构速度比传统大模型提升最高200倍，输出免费，从底层根除类型错误与幻觉，成本远低于主流大模型，已开放早期预览申请。
SOTA大模型遇上加密数据评测：Qwen3未破10%，o1也栽了丨上海AI Lab等联合研究
当前推理模型在基准测试中性能卓越，但在密码学领域推理能力待探索。上海AI Lab等推出CipherBank评测，用海量真实隐私场景数据和多类型密码算法挑战SOTA大模型，结果显示模型表现不佳，还分析了模型“犯难”原因。
Coding Agent 自主解题很强，但用户改一行代码就"翻车"？自所团队提出 SWE-Touch 揭示共享工作空间下的能力缺口
当前基于大模型的Coding Agent是热门研究方向，现有评测多假设其独占代码仓库。中科院自动化所团队构建SWE - Touch框架，对9个前沿模型测试，发现用户干预下模型性能下降、排名洗牌。
VL-LN Bench：模拟「边走边问找具体目标」的真实导航场景
上海人工智能实验室等研究者完成VL - LN Bench，模拟真实导航场景。它构建自动化数据收集管线，依托InternVLA - N1训练评测。结果显示主动对话可提升表现，但当前方法在实例感知对齐等环节有短板。