「产品测试」共找到 3308 篇相关文章
不让“猪队友”拖后腿！哈深新作 AgentDropoutV2，专治多智能体“传话游戏”翻车现场
多智能体系统中，常有agent出错带偏整体。哈工大联合阿里提出AgentDropoutV2，测试时介入，设‘质检员’审核输出，结合失败案例构建‘避坑指南’，在多测试中显著提效，泛化性强。
OpenAI深夜放出GPT-5狙击谷歌！基准测试碾压前代模型，价格比Claude更便宜
北京时间8月8日凌晨，OpenAI推出GPT - 5，宣称其更智能、准确，幻觉率低。还推两款新模型，介绍了不同用户套餐。它在编程基准测试表现佳，健康领域能力突出，引发各界热议。
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。
现在对开发者的定义，就像会写字的都叫书法家一样
作者对开发者定义感到困惑，如用扣子搭工作流、用秒哒产出网站也算开发者。AI 产品宣传覆盖大量开发者，造成泡沫，伤害真正开发者。还指出开发者痛点，给出做产品和发展的建议。
Gemini负责人爆料！多模态统一token表示，视觉至关重要
Gemini模型行为产品负责人Ani Baddepudi与谷歌AI Studio产品负责人探讨Gemini多模态技术，涉及设计理念、应用及发展方向。指出多模态对构建AGI重要，还介绍Gemini 2.5视频理解亮点与‘万物皆视觉’理念。
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。
对话小鹿光年创始人许婷：超七成付费人群是子女，AI回忆录的「隔代」生意经
本文是对小鹿光年创始人许婷的访谈。许婷介绍了AI回忆录产品小鹿光年，称超七成付费人群是子女。还谈及产品流程、优势、用户画像等，也分享对赛道发展的看法，认为创业者晚几年入局或更合适。
专门收购和孵化无聊产品，年收入 3 亿美金的 Tiny 给了些启发
Tiny 通过收购孵化不起眼但赚钱的产品，成年收入 3 亿美金的控股公司。联合创始人 Andrew Wilkinson 分享创业见解，如选有利润空间的细分市场，初期选能快速获正反馈的生意，还谈到收购、管理等多方面经验。
2.5亿估值、硅谷爆火，AI笔记产品Granola如何成为独角兽创始人新宠？
AI笔记产品Granola 2024年5月上线，获知名VC合伙人青睐，5月14日完成4300万美元B轮融资，估值2.5亿美元。创始人Chris Pedregal表示，其核心是“非常个人化”并赋予用户极致“控制权”，未来目标是帮用户完成多数工作。
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。