「Agentic软件测试」共找到 4516 篇相关文章
OpenAI用8个Skill把工程师的经验变成AI的工作手册：扛起两个SDK，3个月457个PR
OpenAI公开用Codex + Skills维护Agents SDK开源项目的方法论。通过AGENTS.md、Skills和GitHub Actions配合，将重复性工作自动化，PR吞吐量涨45%。还介绍了Skill设计、规则设定、测试策略等，且方案组件已开放。
我们离Coding领域的「AGI时刻」还有多远？字节跳动Seed发布NL2Repo-Bench仓库级长程代码生成基准
在AI编程领域，大家认为Coding领域的AGI似乎可以实现，然而真正的项目开发要求更高。近日，字节跳动Seed等联合发布首个评估编码智能体端到端仓库生成能力的基准测试NL2Repo - Bench，还介绍了其构建、评估等情况。
OpenAI深夜开源HealthBench，60个国家合力开发5000段真实对话
今天凌晨1点30，OpenAI开源医疗大模型测试评估集HealthBench。其5000段核心测试对话由60个国家/地区的262名医生打造，采用多轮对话测试。测试显示大模型在医疗保健领域表现显著提升，还介绍了其构建及评估等情况。
Genspark 发布 GenOffice：AI 时代的 Office，免费、开源，抢占办公人群的第一工作入口
8月3日，Genspark创始人景鲲在AGI Playground 2026大会发布GenOffice，这是面向Windows和Mac的本地Office客户端，免费、开源、无广告，将AI引入高频办公场景。GenOffice Alpha版已发布，后续会和用户、AI Agent共建迭代。
大模型在具身推理上「翻车」了？4496 道题全面揭示短板
美国东北大学等提出BEAR基准评估MLLM具身智能子能力，用4496道题测试20个模型。发现多模态大模型具身能力不足，还分析错因，开发BEAR - Agent提升模型具身推理能力，在仿真测试中效果显著。
一文讲清三种AI应用系统的架构及及TOP威胁框架
文章从AI系统分类及架构出发，分析不同类型AI系统的威胁特征，并介绍现有的威胁分析框架。目前AI应用架构经历从GenAI到AI Agents，再到Agentic AI的演进，各方向独立发展，且威胁各有特点又有重合。
无需人类插手！AI战队自主进化，人类玩家瑟瑟发抖
论文《Agents of Change: Self - Evolving LLM Agents for Strategic Planning》以桌游《卡坦岛》为“考场”测试AI战略能力。研究团队设计四代AI特工，实验显示能自我进化的AI完爆静态AI，不过也存在计算成本高、依赖基础模型等问题。
接入 MiniMax M2.7 后，我的 OpenClaw「超进化」了
作者实测 MiniMax 新模型 M2.7，其在基准测试、代码能力、多智能体协作等方面表现出色。接入 OpenClaw 后，能高效完成复杂任务。M2.7 指令遵循率高、长上下文处理能力强且价格低，有望提升 Agent 生态表现。
AI 引领的企业级智能分析架构演进与行业实践
在 QCon 全球软件开发大会（北京站）上，数势科技 AI 负责人李飞分享了企业级智能分析架构演进与实践。探讨了智能分析落地问题，介绍 Agent 结合数据分析优势、技术路线及落地要点，还对 Agent 发展给出思考与展望。
Anthropic更新了Skill Creator，评测框架上线
Anthropic更新Skill Creator，上线评测框架。该框架无需写代码，能处理两类技能测试需求，可测试和改进技能，有捕获质量回归等用途。还增加基准模式、多Agent支持等，能让技能触发更可靠，更新已在Claude.ai等可用。