「端到端测试」共找到 4033 篇相关文章
模型即 Agent 的含金量:Kimi深度研究功能详评
作者分享Kimi深度研究功能体验。其基于端到端自主强化学习技术,会开源模型。在测试中,分析Labubu爆火原因、检索小米发布会内容,展现出强逻辑分析、搜索准确性和数据处理能力,可视化网页也出色。
稳定训练、数据高效,清华大学提出「流策略」强化学习新方法SAC Flow
本文介绍清华大学和CMU提出的SAC Flow新方案,可端到端优化流策略。它将流策略视作residual RNN,用GRU和Transformer结构稳定训练。在多环境测试中表现优,有稳定、快速、样本效率高的特点。
IEEE TAP|上海交通大学曹慧琳、南京大学任宇翔等:AI赋能电磁仿真:物理–数据混合驱动的PdEgatSCL模型实现高效建模
为实现电大尺寸目标快速精确建模,本文提出物理 - 数据混合驱动的PdEgatSCL方法,学习CFIE做端到端预测。用EGAT架构,编码格林函数等特征。测试显示它精度高、速度快、省内存,可加速电磁建模与逆向设计。
Claude 通过率不到 4%,SaaS-Bench 撕碎了 Computer-Use 的「全自动办公」幻想
UniPat AI用SaaS - Bench测试,让Agent在真实工作环境中执行任务。结果显示,Claude Opus 4.7端到端完全通过分数仅3.8%,多数模型表现差,还暴露Agent四种致命缺陷,揭示其与真实工作能力有巨大鸿沟。
Google让大模型学会睡觉!千万Token长文本实验,知识写进参数
Google Research提出持续学习框架Sleep,让大模型在离线睡眠阶段把短期记忆转化为长期参数。测试中,问答准确率从31.9%提高到48.9%。
不踩点不微调!Figure最新模型盲测30个家庭:首次实现零样本全身泛化
人形机器人公司Figure发布最新端到端具身模型Helix 2.5,在30套未采集训练数据的陌生住宅开展全盲家务测试,验证Index预训练可让模型实现零样本全身泛化,整体成功率56%,远高于对照组的9%,证明人形机器人跨场景迁移的工程可行性。
全球唯二,百度抢先交卷!首个物理AI世界模型来了
百度 Apollo 发布世界模型 Apollo World,能同步生成街景画面与激光雷达点云并实时博弈。无人车在云端日测里程达十万公里,相当于真车连续测试约 3 年。
刚刚,国产开源AI横扫全球4项第一!1.3B逆袭大厂,OCR极限实测杀疯了
面壁智能开源 1.3B 文档解析模型 MiniCPM-OCR 1.0,在多项基准测试中拿下四项业内最佳;同时开源 2B 质检模型 Jev,专职评估 OCR 结果的可信度。
AutoDev CLI:打造 AI 生成的 AI Agent 质量保障与验证架构
文章介绍AutoDev CLI,它基于AutoDev MPP架构构建,旨在解决上一代AutoDev智能体测试难题。阐述其起步、迭代、演进、集成过程,实现从AI生成代码到验证、生成测试系统的转变,带来可验证、可演化、可移植的优势。
刚刚,ARC-AGI-3发布!人类100分,最强AI零分
ARC Prize发布ARC - AGI - 3预览版,测试范式从静态谜题到交互式游戏。新引入交互式推理基准测试,人类轻松通关,最强AI却全军覆没。但测试引发社区质疑,奖金设置也遭吐槽,且存在体验和技术问题。