「传统软件测试」共找到 3159 篇相关文章
“看懂”指令并做动作！Motion-R1结合COT让角色动起来
大语言模型为文本驱动动作生成带来新可能，但现有方法有局限。GigaAI提出Motion - R1框架，融合“思维链”机制，能分解指令、优化动作合成，虽有不足，但在测试中表现优于主流方法。
一文解读 LLM Posting-Train技术
文章解读了大语言模型后训练（Post-training）技术，介绍其核心价值，从微调、强化学习、测试时拓展三方面展开，分析现有技术瓶颈，指出前沿研究方向，还给出实践指南和工具链推荐。
AI可观测行平台Lightrun，获7000万美元
AI可观测性平台Lightrun获7000万美元B轮融资，由Accel和Insight Partners领投。它改变传统监测工具局限，实现实时调试修复。连续三季成G2领域领导者，获众多企业信赖，发展迅猛。
广电绝地反击！揭秘多彩新媒「不烧钱」的AI生存法则
传统广电行业面临生存危机，多彩新媒依托1100万IPTV用户，规划‘技术筑基－场景落地－生态协同’转型路径。战略聚焦三核心，技术结合外部能力分层搭建体系，场景围绕三维度落地，生态强调内外联动。
视频模型假装在推理？MME-CoF新基准评估12个推理维度
视频生成模型如Veo - 3能生成逼真视频，但推理能力存疑。香港中文大学等校研究者设计12项测试，发现模型只能模仿表面模式，未真正理解因果。研究推出MME - CoF基准，为评估指明方向。
Sora2五天下载量破百万！超越ChatGPT增长速度，App Store免费榜霸榜第一
Sora2五天下载量破百万，增长速度超ChatGPT，在App Store免费榜霸榜第一。其虽有使用门槛，但热度高，盗版泛滥。不过它也面临版权问题，审核收紧。AI创意应用取代传统社交媒体速度加快。
中国ToB软件公司想赚钱，先对AI Coding祛魅
文章指出AI Coding产品虽对专业开发者提效，但服务公民开发者时存在问题。对比‘Code + GenAI’与‘No Code + GenAI’，认为无代码平台更适配公民开发者，虽面临挑战，但短期内是企业软件定制最优解。
27、42、73，DeepSeek这些大模型竟都喜欢这些数！为什么？
技术作家发现GPT - 4o、Claude等模型猜数偏好42、73，Andrej Karpathy测试中模型多选27。网友猜测原因，如数据集、人类偏见等，也有论文分析此现象，多与数据分布有关。
ACL2025 | 代码助手火了，但安全吗？所有模型评估结果都很扎心
近期，GitHub Copilot、ChatGPT等AI代码生成工具爆火，效率显著提升，但代码安全性存疑。北大团队用CoV-Eval评测20款主流大模型，结果不佳，论文还给出优化方向，呼吁代码上线前严格测试。
超越Claude Mythos和GPT-5.5！斯坦福Agent验证框架拿下SOTA，Transformer作者转发
斯坦福、伯克利与英伟达联手打造LLM-as-a-Verifier验证框架，该方法是通用验证机制，可与任意Agent Harness和模型结合。研究表明扩展验证阶段计算量，能提升Agent整体性能，在多基准测试中超越Claude Mythos和GPT - 5.5。