「测试工具」共找到 3407 篇相关文章
GPT-6第1天直接攻破5道Erdős难题！Fable 5.1交了白卷
Epoch AI和曼彻斯特大学发布FME基准测试论文，让68道未解数学难题成5个顶级AI的考场。GPT - 6 Astra成唯一得分非0分模型，放宽预算共解开5道，其余4个AI全交白卷。该测试是对陶哲轩批评的回应。
ICML 2025 Oral工作再升级！上海AI Lab联合复旦、港中文推出支持更长视频理解的最佳工具VideoRoPE++
上海AI Lab联合复旦、港中文推出支持更长视频理解的工具VideoRoPE++。它确定了将RoPE应用于视频的关键特性，构建评测基准V - RULER，提出外推方案YaRN - V，在多任务中优于先前RoPE变体。
99%的AI产品都没有真正的护城河，初创产品需要做好「细分场景+生态协同」 | 对话AI播客工具Podwise
量子位智库对话Podwise创始团队，探讨AI播客工具发展。团队分享Podwise目标用户、场景、优势，如转录准、能识别声纹等。还谈及产品开发、付费、用户增长等策略，强调做好细分场景与生态协同。
Java 三十周年重磅发声：James Gosling 怒斥 AI 是“一场骗局”，是科技高管“疯狂压榨”程序员的新工具
在 Java 诞生三十周年之际，Java 之父 James Gosling 发声，直言 AI 是“一场骗局”，是科技高管压榨程序员的新工具。他回顾 Java 发展历程，还分享了自己职业生涯、对开源和行业趋势看法等。
我去，真有这种，Openclaw 增强工具，ClawRouter 让 AI Agent 自己选模型、自己付钱，还能把 LLM 成本打下来 90%，爽～～
ClawRouter是开源本地LLM Router / Proxy，支持55+模型，能让AI Agent自动选模型、付费，将LLM成本降90%。它解决路由、支付等问题，适合做AI Agent、编程工具等产品的开发者。
通义实验室最新成果WebDancer：开启自主智能Deep Research的新时代
通义实验室推出 WebDancer，解决自主信息检索智能体构建难题。它创新合成训练数据，采用两阶段训练策略应对开放网络训练挑战，在多个基准测试中表现卓越，未来还将拓展能力。
你的「龙虾」真记得你吗？剑桥发布长期个性化记忆基准ATM-Bench
剑桥大学团队开源面向AI个人助理的长期记忆基准测试ATM - Bench，评估AI面对真实生活数据时能否「记住你」。实验结果不佳，专用和通用智能体系统准确率低，凸显长期个性化记忆问答难题。
Skill Factory：三天手搓面向Harness设计的技能工厂（附AI coding实践）
作者分享从产品设计到算法落地全流程实践，指出当前做skill两种方式的问题，介绍面向Harness设计的技能工厂，包括生产模式、生态适配、迭代方向，还提及AI coding实践及各工具作用。
说实话提前拿到Qwen3.7-Max内测，最让我意外的不是它推理变强了！
作者提前2天拿到Qwen3.7-Max内测，经测试，该版本补齐短板，综合能力强。审美提升明显，代码质量不错，长程思考推理迭代能力佳，适合替换到部分工具里。
Claude Code被攻破「后门」，港科大&复旦研究曝出TIP漏洞
近期港科大与复旦研究指出，Claude Code命令行工具连接MCP服务器时，TIP可能被劫持致远程代码执行。研究用TEW框架测试验证漏洞，还给出真机案例，最后提出改进方向。