「产品测试」共找到 3208 篇相关文章
FACTS 基准测试套件问世，用于评估大型语言模型的事实准确性
FACTS 基准测试套件由 FACTS 团队与 Kaggle 联合开发，基于原 FACTS Grounding Benchmark 增加三个新基准，可从四个维度评估大模型事实性。初步结果显示进展与挑战并存，多模态成难题。
国内卖得很好的智能硬件产品，为什么一出海就不行了？
中国智能硬件产品国内畅销，出海却遇阻，原因在于路径依赖致战略错位。未来十年是‘中国品牌’置换‘中国制造’关键期，Cismea 作为品牌孵化平台，助力中国品牌扎根北美主流市场。
又一 AI 视频创作产品火了，用户抢着付费，附实测
Flova 这款 AI 视频创作产品火了，用户抢着付费。它是人和 AI 协作共创的通用视频创作 Agent，无需专业知识，通过对话和故事板完成创作，还支持修改部分内容、一键回溯等，有多种高级玩法。
Anthropic、Thinking Machines Lab论文曝光：30万次压力测试揭示AI规范缺陷
Anthropic和Thinking Machines Lab等机构研究人员提出模型规范压力测试法，基于细粒度价值体系生成超30万个查询场景，分析12个前沿大模型回答，揭示模型规范存在原则冲突、解释歧义等缺陷。
GPT-6 Astra发布，多个基准测试接近满分，“欢迎来到AGI时代”？
当地时间9月3日，OpenAI发布GPT-6 Astra，称其为“最智能、最对齐”的模型。它在多测试表现逆天，能力提升显著，还加入新特性。不过价格更高，也带来安全问题。
承包你的品牌营销物料｜谷歌再发重磅 AI 设计产品
谷歌实验室发布AI设计产品Pomelli，专注帮企业低成本生成符合品牌调性的营销物料。它能提取官网品牌元素创建DNA卡片，依此生成设计稿，还能微调细节。不过，它依赖官网信息，存在美学单调等问题。
王小川：30亿现金在手，明年IPO，toC产品马上就发
百川智能CEO王小川明确发展主线，百川开源新一代医疗大模型Baichuan-M3，在医疗评测中表现优异。公司约30亿资金，预计2027年IPO，今年将发两款to C医疗产品，重点在院外诊疗。
寻找 8 支 AI Native 硬件团队，好产品应该被更多人看见
今年是AI硬件爆发年，AI硬件重新定义人与设备关系。百度智能云联合Founder Park在Create 2026百度AI开发者大会设「AI硬件产品快闪」，邀8支团队展示三类AI Native硬件，还将提供多种支持。
为什么AI总是"记错"你？我们造了一个"合成人生"来测试
现有AI记忆评测只记'事'不记'人'，存在数据源窄、不重理解、注入成本高的问题。QuantaAlpha联合高校团队提出CloneMem基准测试，用'数字痕迹'评估AI Clone长期记忆能力，实验有反直觉结论并给出设计启示。
浙大校友打造AI代码测试神器，零代码零bug，30分钟创建网站
浙大校友打造的智能测试平台TestSprite 2.0，零代码零bug，30分钟创建网站，能让AI写代码准确率从42%跃升至93%，还可自动生成测试报告、调试修复错误，全程无需人工干预。