「Agentic软件测试」共找到 4518 篇相关文章
王云鹤眼中的Harness：复杂优化问题，AGI灵魂争夺之战
王云鹤在知乎文章中探讨Harness Engineering，指出Agent=Model+Harness，多模型配合能提升Agent能力。还分析Harness存在的必要性，认为它是复杂优化问题，关乎AI“灵魂”之争。
刚刚开源就斩获 2.7K Star！吴恩达老师开源了一个 AI 员工 OpenWorker！
吴恩达老师开源了桌面 AI Agent OpenWorker，对标闭源 Agent。它能交付成品，本地优先、支持多模型，重要动作需审批。有 25+ 连接器，支持定时任务和角色模板，提供多方式上手。
最新研究！大模型“角色扮演”无效了？
沃顿商学院研究测试6个主流AI模型，进行超25000次测试，发现告诉AI扮演专家角色，不会让其回答更准确，反向设定‘低知识’角色有时表现更好，角色扮演不是提高准确性的万能钥匙。
全球首个历史基准！普林复旦打造AI历史助手，AI破圈人文学科
普林斯顿大学AI实验室与复旦大学历史学系联手推出全球首个历史领域评测基准HistBench及AI助手HistAgent。HistBench含414道题，能检验AI深度认知能力；HistAgent集成多种工具，在测试中表现优异。
杜克大学、Zoom推出LiveMCP‑101：GPT‑5表现最佳但未破60%，闭源模型Token效率对数规律引关注
杜克大学与Zoom研究者推出LiveMCP - 101，这是针对真实动态环境的MCP - enabled Agent评测基准。含101个任务，实验显示先进模型成功率低于60%，研究为提升Agent能力提供改进方向。
为什么 2025 的基模公司都押注 Interleaved Thinking？
本文探讨 2025 年基模公司押注 Interleaved Thinking 的原因。从大模型迭代说起，介绍其在多模型中的体现，阐述该思维链对 Agent 的重要性，还提及 MiniMax 在推动其成行业标准上的诸多努力及带来的影响。
当亚马逊云科技拿到“麦克”，一年的云计算叙事都被改写了
2025亚马逊云科技re:Invent大会上，CEO Matt Garman围绕Agentic AI落地发布系列新品。其认为落地需四大支柱，亚马逊云科技带来如芯片、模型等成果，还强调私有数据及开发者工具重要性，多个企业已实践应用。
华为推出软工代码智能体SWE-Lego，解锁SFT训练极致性能
华为研究团队推出仅基于监督微调（SFT）的软件工程代码智能体SWE-Lego，无需复杂RL流程，在SWE-bench Verified基准中表现出色，项目已开源。它有数据、训练和测试时扩展三大创新。
字节做了个 AI 手机，钉钉做了台 AI 主机
2025 年末 AI 硬件圈热闹非凡，月初豆包 AI 手机上线刷屏，后因平台风控引发讨论。近日，钉钉发布 AI 主机 DingTalk Real，定位 AI Agent 执行载体，还推出 AgentOS 统一调度，已跑通多企业场景。
刚刚，阿里旗舰模型Qwen3-Max-Thinking发布，编程能力“踢馆”Gemini与Claude
阿里发布旗舰模型Qwen3-Max-Thinking，总参数超1万亿，在多项权威基准测试中表现优异，可与顶级闭源模型竞争。千问团队为其引入两项核心创新，提升推理性能，该模型已可免费体验。