「端到端测试」共找到 4033 篇相关文章

产品应用7

从衣服到饰品:OmniTry 实现珠宝、包袋等多类可穿戴物品的虚拟试穿

Kunbyte提出OmniTry,将VTON从服装扩展到任意可穿戴物品,采用无掩码设定。它经两阶段处理流程训练,在12种常见物品类别评估中表现优,有扩展潜力,但也存在训练数据类别限制等局限。

带你学AI
开源动态8

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。

Founder Park
开源动态7

Karpathy刚开源的autoresearch,我拿来优化龙虾skill,成功率从56%飙到92%

Karpathy发布开源项目autoresearch,可让AI优化AI。作者分享用其优化skill的实践,介绍优化流程,指出可将模糊表述拆成可判断是非题,还提及定义评估标准的方法与常见错误修正。此外,还能用于代码性能优化。

探索AGI
新闻资讯7

80%到25%逆转!大模型代码能力最新排名:Anthropic不再是唯一的神?

OpenRouter网站有模型使用排行榜,按不同使用场景分类。2024年12月到2025年2月,Anthropic模型编程流量占比曾达80%,后谷歌Gemini 2.5 Pro等抢占份额,其跌至25%以下,Claude 4发布后份额回升。还介绍了OpenRouter特点。

AI寒武纪
8

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。

AI寒武纪
新闻资讯8

从“卷模型”到“算总账”:AI 产业竞争开始拼什么 | 请回答 WAIC 2026

WAIC 2026热度高涨,InfoQ直播间追问‘AI正在重写什么’。与会嘉宾讨论AI产业新阶段变化,如从‘看能力’到‘算总账’,认为模型重要性方式已变,还探讨了AI原生产品定义、AI Infra影响及未来关注方向。

InfoQ
开源动态8

1.2万人收藏单日斩获 3.4K!刚刚冲上 GitHub Trending 榜首的“AI 红队”工具!

AI加速代码编写,但也留下更多安全坑,传统扫描工具和人工渗透测试难以应对。新晋GitHub Trending榜首工具Shannon是全球首个开源全自动AI渗透测试员,多智能体架构,功能强大,适合AI编程团队。

开源星探
新闻资讯7

智能体工程的演进:从“是否”到“如何” | 2025年AI智能体状态调查报告【PPT】

进入2026年,企业对AI Agent关注点从构建尝试转向规模化稳定部署。LangChain公司年底发布《AI Agent现状报告》,基于对超1300位相关人员调研,展示智能体工程化图景与趋势,本文拆解报告精华。

AI大模型应用实践
新闻资讯8

ChatGPT「学习模式」火爆上线,一大波教育AI连夜被端!24小时导师免费用

OpenAI为ChatGPT上线苏格拉底「学习模式」,针对大学生,以交互式提示、分步解答等功能引导学习,可应对复杂学科难题。一经推出便受网友热捧,有人预言将端掉一波教育类AI。

新智元
新闻资讯8

张益唐孪生素数猜想,被GPT-6破新纪录! 北大数学07级苏炜杰:很震撼

2026年9月3日,OpenAI宣布GPT - 6将孪生素数问题最好上界推进到186,打破陶哲轩保持十二年的纪录。此前Julia Stadlmann推到240,Axiom Math压至212。GPT - 6展现数学直觉,证明经Lean 4验证。

新智元