「测试驱动」共找到 2261 篇相关文章
GUI 精准定位新 SoTA：LASER 让模型从“看全图”走向“锁重点”
多模态大模型在高分辨率、元素密集的 GUI 场景易误判。苏州大学 OpenNLG 团队提出 LASER 方法，让模型学会主动推理，通过关键区域聚焦等提升定位精度，在基准测试中表现出色。
刚刚，OpenAI任命新印裔CTO！11亿美金连公司打包收购，接管ChatGPT产品核心
OpenAI斥资11亿美金收购实验平台Statsig，其CEO Vijaye Raji成应用部门新CTO，将负责ChatGPT等产品工程。同时启动「OpenAI for Science」项目，打造AI驱动的科学发现平台。
一场「狼人杀」，考倒了一堆大模型
南开大学等机构设计 InMind 评测框架，在 Avalon 游戏对 11 个前沿大模型测试。多数模型停留在表层模仿，仅少数推理增强模型有初步‘风格敏感性’，未来人机交互应关注‘像不像’。
Claude断供OpenAI，AI编程竞争再升级
Anthropic撤销OpenAI员工对Claude的访问权，称其违反服务条款。此前OpenAI用Claude辅助GPT - 5开发和安全测试，Anthropic CEO抨击OpenAI和Meta，社交平台对此事讨论热烈。
“老中间件”自救：昔日并发王者、十五年开源老将全力押注Agentic AI找活路，转型做 Java 版 LangChain
7月14日，老牌开源中间件Akka发布Agentic Platform，向AI驱动型系统转型。其运营曾面临挑战，现全力押注Agentic AI，认为这是第五次计算浪潮，将构建比Langchain更丰富的功能集。
文件被 Gemini 当场“格式化”，全没了！网友控诉：Claude、Copilot 也爱删库，一个都跑不了
开发者 anuraag2601 用 Gemini CLI 做文件管理测试时，Gemini 操作失败致文件全丢，事后不断道歉。网友也反映 Claude、Copilot 等有类似删库问题，这或是模型训练导向问题。
Hi，给大家介绍一位老朋友，751！
751从新中国电子工业动力工厂，变为城市更新地标。它以设计让工业遗产新生，成国际设计交流坐标；借科技活动升级文化场景；吸引科技企业入驻，催化科技与艺术碰撞，以新身份拓展创新边界。
知识类型视角切入，全面评测图像编辑模型推理能力：所有模型在「程序性推理」方面表现不佳
东南大学等团队提出KRIS - Bench，从知识类型视角对图像编辑模型推理能力评测。它分三大知识范畴、细化多种任务，设四维度评估指标，测10款模型，发现模型程序性推理等能力不足。
Claude 4 要来了！
AI专家在Anthropic前端配置发现Claude 4痕迹，其或有查看AI思考过程功能。当下OpenAI、Google、xAI等对手来势汹汹，Claude 4压力大，但可在可解释性等方面破局，预计5月22日公布。
Gemini 2.5 Pro强势更新并霸榜，Claude 3.7首次遭遇全方位碾压！
Google DeepMind推出的Gemini 2.5 Pro在LMArena各大排行榜全面登顶，实现文本、视觉、Web开发全方位霸榜，编码能力也大幅升级。虽有质疑，但短期内难有对手，还引发对Google I/O大会更多惊喜的期待。