「产品测试」共找到 3214 篇相关文章
国内首套：港中文团队发布7模态人体动作数据集，揭开大模型理解能力短板
港中文邢国良教授团队博士生蒋思阳完成 CUHK-X 多模态人体动作数据集，成果被 ACM MobiSys 2026 接收。用其测试主流大模型，发现理解人类动作平均正确率仅四成。该数据集数据收集方法反常规，还开展了基准测试。
本地LLM万字救场指南来了！全网超全AI实测：4卡狂飙70B大模型
文章围绕本地大语言模型（LLM）展开，针对实用性和经济性问题，用Dell Precision 7960塔式工作站对主流模型测试。涉及不同尺寸模型、推理框架等，给出不同配置下性能指标及使用建议，还模拟真实场景测试。
DeepSeek识图模式是个新模型？！一手实测在此（没错我被灰度到了）
作者喜提DeepSeek识图模式灰度测试，实测发现其非思考模式速度快，推理有幻觉；思考模式推理慢且冗长。实用功能如OCR、复原HTML较靠谱，但色盲测试偶翻车。该模式或用独立视觉模型，且多模态进展超预期。
暴涨3倍！光模块背后大赢家
2025年源杰科技股价表现强劲，年初迄今涨幅达348%，反超下游大客户中际旭创。其前三季度业绩爆发，得益于数据中心市场产品放量。随着AI算力需求爆发，光互连技术向CPO架构演进，对光芯片要求提高，源杰科技高端产品突破助其获利。
三重Reward驱动的运维智能体进化：多智能体、上下文工程与强化学习的融合实践
文章阐述了AI原生时代下，面向技术风险领域的智能体系统（DeRisk）的架构设计、核心理念等。介绍运维智能体发展现状，提出其技术演进需找三类Reward，还介绍相关概念、DeRisk架构，给出实践案例并将开源技术产品。
无招回归后的钉钉 AI 重构：姿势尚显笨拙，但方向更对了
过去一年多科技行业进入AI泡沫阶段，多数产品只是+AI微创手术。钉钉发布8.0版本，推出钉钉One、AI搜问等新产品。无招想从旧范式向AI原生范式迈进，虽部分产品尚显不足，但方向值得鼓励。
Anthropic更新了Skill Creator，评测框架上线
Anthropic更新Skill Creator，上线评测框架。该框架无需写代码，能处理两类技能测试需求，可测试和改进技能，有捕获质量回归等用途。还增加基准模式、多Agent支持等，能让技能触发更可靠，更新已在Claude.ai等可用。
十周前才写下第一行代码，如今颠覆 9 个行业？员工人均 10 万粉，00 后创业者狂言：我们将超越 OpenAI
本文聚焦 21 岁 00 后创业者 Roy Lee 和他的桌面 AI 助手 Cluely。该产品获高额融资、估值达 1.2 亿美元且已盈利，但也饱受争议。文中还揭秘其成功热度的关键、团队情况，探讨 AI 时代产品留存演变。
Claude时代终结？LMArena实测DeepSeek R1编程得分超Opus 4，但月暗称其新模型更胜一筹
在闭源模型主导的AI环境下，开源的DeepSeek - R1（0528）在LMArena测试中表现亮眼，编程得分超Claude Opus 4，引发社区关注与讨论。不过LMArena曾被指责偏袒，其联合创始人反驳。此外，月之暗面新模型Kimi - Dev - 72B编程成绩超R1。
对话朱广翔 - 人人都能coding了，软件会消失吗？
本文是对百度秒哒产品总经理朱广翔的访谈。朱广翔认为写代码或成古法，建议别学。秒哒用户有人已赚1000万。他还提出人与AI保持15度夹角，垂直AI产品有生命力，未来APP和Skill将共存。