「传统软件测试」共找到 3156 篇相关文章
图像编辑模型不止生成：BIGAI&上交大提出EAR范式，系统测试其视觉规划能力
上海交通大学联合北京通用人工智能研究院提出EAR范式，构建AMAZE基准，分析图像编辑模型视觉推理能力。研究发现模型零样本表现弱，扩散式模型更适合视觉规划，CoT效果不稳定等。
Karpathy：很多App就不该出生、人类唯一护城河只剩理解、CPU将沦为配角
在Sequoia Ascent峰会上，AI先驱Andrej Karpathy分享对2026年技术浪潮思考。他认为LLM是新物种，让部分旧软件多余，未来软件接口或为说明文本，还谈及模型能力不均匀性、创业机会、智能体经济及人类价值。
硬件只是入场券：AI可穿戴的百万销量背后，软件与场景才是终极战场
InfoQ《极客有约》X AICon 直播探讨 AI 硬件进阶。Plaud、Rokid 等企业代表认为，AI 硬件成功关键在于早布局、结合需求与设计。软硬件一体是核心，可在传统硬件难胜任场景脱颖而出，多模态交互有挑战也有应用。
红杉中国推出 Agent 基准测试「xbench」，双轨评估体系，关注 AI 真实场景的效用
红杉中国开放AI和Agent基准测试工具「xbench」，采用双轨评估体系，构建多维度测评数据集。首期发布两个核心评估集并排名，提出垂类Agent评测方法论。该工具旨在解决现有评估问题，关注AI真实场景效用。
Karpathy最新分享！给大模型做好“服务”将是巨大机会
近日，Karpathy在AI Startup School演讲，提出AI正从根本改变软件。他将软件分三个时代，认为LLM是全新操作系统，还指出其特长与局限，点明AI时代两大机遇：部分自主应用和构建Agent友好工具。
专业医生远不如AI模型？OpenAI推出医疗开源测试基准HealthBench，o3表现最强
OpenAI推出医疗开源测试基准HealthBench，由262位多国医生合作打造，含5000段真实健康对话。评估显示o3综合表现最佳，顶尖AI处理任务能力超无辅助医生，HealthBench更真实专业有区分度，但也有局限。
Agent重塑软件与互联网产业新范式，2026奇点智能技术大会初版日程出炉！
4月17 - 18日，CSDN与奇点智能研究院联合举办的「2026奇点智能技术大会」将在上海举行。大会云集顶尖机构与企业一线AI实践者，围绕前沿议题分享，还将首发《AI原生软件研发成熟度模型（AISMM）》白皮书。
腾讯入局具身智能，宇树首批用上“大脑”
腾讯在WAIC 2025推出具身智能Tarios平台，它模块化提供能力，集成腾讯软件能力。腾讯重申“三不原则”，与众多厂商合作。该平台核心含模型算法与云服务，能为厂商补齐软件能力。
市场还没爆发，但AI眼镜已经卷死了
今年5月多款AI眼镜新品上线，市场竞争激烈。硬件上芯片向高端手机靠拢，软件借AI大模型落地功能，还出现代工产业链。不过，国内AI眼镜在AI和软件功能上有不足，与市场需再磨合。
互联网已死，Agent 永生
文章指出互联网时代诸多概念如DAU、SaaS等已过时，因旧前提‘人是软件用户’改变，新前提是‘Agent是软件新主人’。还阐述Agent时代四块基石，如Token是特权、Agent是人口红利等，强调新旧世界差异大。