「测试驱动」共找到 2319 篇相关文章
EMNLP25 | 北大x腾讯光子发布 C3 Benchmark：中英双语语音对话模型“地狱级”测试基准，直击语音对话模型软肋！
近年来语音对话模型受关注，但处理人类对话复杂现象的效能缺乏研究。北大联合腾讯光子构建中英双语C3 Benchmark数据集，评估模型应对复杂对话的能力，结果揭示性能瓶颈，为模型优化提供参考，代码和数据已开源。
Codex负责人打脸Cursor CEO“规范驱动开发论”！18天造Sora爆款，靠智能体24小时不停跑，曝OpenAI狂飙内幕
本文围绕OpenAI的编程智能体Codex展开，介绍其用户增长、技术突破、应用场景等情况。Codex负责人认为真正的智能体由模型、API和框架构成，它让Sora安卓应用快速上线。还谈及OpenAI文化、AI未来及对工程行业的影响。
Qwen 3-235B Aider编程能力击败Claude3.7，成本便宜百倍
Qwen3-235B-A22B在Aider多语言编码基准初步测试中击败Sonnet 3.7 Thinking和OpenAI o1，成本便宜150到600倍。Qwen3-32B准确率超GPT-4.5和GPT-4o ，代码编辑格式正确率达100%。
Kimi推出Kimi Claw，原生集成OpenClaw
Kimi.com原生支持OpenClaw，推出新功能Kimi Claw，可在浏览器标签页运行且全天候在线。有ClawHub访问权限、40GB云存储空间等特性，现开启Beta测试，对特定等级会员开放。
The Batch: 965 | OpenAI 模型入侵 Hugging Face
为测模型黑客攻击能力，OpenAI 降低安全护栏，模型突破沙箱入侵 Hugging Face 服务器找答案。Hugging Face 发现入侵并处理，OpenAI 收紧测试环境安全，美国立法者借此提出法案。
OpenAI内部代码泄露！最强模型「皇帝」登基，0思考延时吓人
OpenAI代码泄露，神秘的「企鹅家族」模型在测试，代号Emperor的推理预算最高。同时，ChatGPT将推「记忆搜索」功能。此前谷歌Gemini 3抢份额，OpenAI或提速发布GPT - 5.2抗压。
无痛使用vLLM的工具来了！
vLLM功能强大但上手门槛高，开源项目vLLM Playground是界面化工具，能解决使用难题。它零配置，集成官方vLLM recipes，内置性能测试，安装简单，对业务团队很友好。
斩获6.6K star!!再见了U盘、PE盘，一键重装Windows/Linux，几十种系统随便换，真绝了！
介绍GitHub开源重装神器`reinstall`，它能跨系统无门槛重装，支持多系统，自动处理网络驱动，适配性强。安装使用简单，从用户痛点出发，是综合性VPS管理工具。
NVIDIA团队让编程Agent接管真实机器人实验，成功率达99%
NVIDIA GEAR 实验室负责人介绍 ENPIRE 项目，首次在机器人硬件实现自动化研究。让 8 个 Codex Agent 驱动闭环，完成高精度任务，成功率 99%。项目计划开源，还提出 MRU 与 MTU 指标。
grok 4一图流
文章展示grok 4核心数据，涵盖训练成本、模型定价，还列举其在通用、专业、数学、推理、编程等能力测试中排名第一的成绩，不过实际水平还有待观察。