「AI测试」共找到 10697 篇相关文章
今天，Claude入职了！
Anthropic官宣Claude Tag，这是团队协作用Claude的全新方式，像“AI同事”般出现在Slack会话栏，响应主动，完成65%代码编写。它是Claude Code升级版，与前两代AI交互方式不同，Anthropic已离不开它。
GitHub 推出 MCP 服务器集成，全面扩展机密扫描功能
GitHub宣布MCP Server全面支持机密扫描功能，将其扩展至AI辅助和代理驱动的开发工作流，可让外部工具和AI工作流访问安全洞察、自动化修复。这反映安全工具正从被动检测转向自动化治理。
Harness Engineering又他妈是啥？
AI圈新词Harness Engineering引发关注。它类似给AI套缰绳，让其运转更高效。通过案例表明，模型非瓶颈，环境才关键。还介绍不同实现方式，指出命名有价值，最后探讨培养新人设计harness的问题。
ICLR-26腾讯混元：Agent是强大的，但用户是狂野的
现有LLM工具使用基准测试场景理想化，忽视真实用户行为复杂性。腾讯提出WildToolBench，基于真实用户行为构建测试集，对58个模型评估，发现模型准确率低，揭示LLM在真实场景下能力缺口，为模型优化指明方向。
融资3100万美元，Atoms让全球70万普通人的「想法」直接变成「生意」
过去两年，AI生产力重心从帮人写代码转向帮人建业务。2026年1月13日，DeepWisdom旗下Atoms获3100万美元融资。Atoms让普通人想法变生意，提供全链路架构，用户跑通三种变现模式，未来将构建AI经济体。
最高500万！6个项目签约！“决战紫金之巅”圆满收官 | Q推荐
12月12日，决战紫金之巅——云谷杯・2025人工智能应用创新创业大赛总决赛暨闭幕式在云谷中心举办。活动聚焦AI应用创新及“AI+”融合，现场有政策宣介、圆桌对谈等，6个项目签约，最高可获500万补贴。
突发！Gemini 3.8登顶，谷歌迈出RSI一大步
谷歌发布Gemini 3.8 Flash及专攻网络安全的3.8 Flash Cyber。前者性价比高，在多项测试逼近顶级模型；后者在网络安全测试屠榜。但谷歌也被指提前庆祝，且模型可能有‘刷榜’成分。
OpenAI推出免费的、LaTeX 原生科研写作神器Prism
OpenAI推出免费科研写作工具Prism，可理解为“AI增强版的Overleaf”，整合LaTeX编辑器、协作工具和AI助手。它原生支持LaTeX，能云端实时协作，内置GPT - 5.2，即日起ChatGPT个人账户用户可访问。
ChatGPT 已经是新一代分发平台，创业公司该考虑怎么抓住增长红利了
文章指出ChatGPT已成新一代分发平台，创业公司应抓住增长红利。介绍了分发平台“开放 - 关闭”周期，分析ChatGPT最可能成最大消费平台，还给出创业公司选择平台标准及企业AI转型建议。
广义智能体理论：智能时代通向「万物理论」的新路径？
源自AI的「广义智能体理论」为探索「万物理论」提供新视角。它将物理、生命、AI系统纳入标准智能体框架，提出四大基本作用力或源于「智能场」，还为经典、相对、量子力学差异提供新诠释。