「AI测试」共找到 10697 篇相关文章
龙虾冲浪终于不迷路了！网页智能体新框架Avenir-Web开源即SOTA
伦敦大学学院等团队推出开源框架Avenir - Web，解决现有Web Agent在复杂网页操作中的难题。它采用模块化设计，包含经验模仿规划等模块，在ONLINE - MIND2WEB测试中表现出色，已开源供开发者探索。
黄仁勋预言的100万亿市场，被易鑫金融Agent撞开一道口子
大模型在金融行业落地潜力大但门槛高。易鑫依托行业经验，推出Agentic AI解决方案，由XinMM - AM1大模型和Harness体系组合，覆盖汽车金融全链路，已在风控等场景应用，拉开效率革命序幕。
Skills：从编程工具的配角到Agent研发的核心
文章探讨了Skills在AI Agent发展中的价值演变与适用场景，指出其价值具高度场景依赖性。在Claude Code编程工具中它表现平淡，在Agent研发中价值凸显，还给出使用场景判断维度与发展方向。
刚刚Gemini上新模型，全球只有7人比它会编程，谷歌姚顺宇参与
北京时间周五凌晨，谷歌发布Gemini 3 Deep Think重大升级，在多学术基准测试中取得佳绩，成本大幅降低，编程能力超多数人。在多科学领域表现出色，还推动了实际应用，已上线供部分用户使用。
存储芯片暴涨之下，云游戏却因祸得福
存储芯片价格暴涨冲击消费电子，如魅族22 Air因内存涨价取消上市计划。但这为云游戏带来转机，微软为Xbox云游戏引入‘广告方案’，且当下AI算力过剩，云游戏可利用闲置算力。
The Batch: 898 | Copilot 用户需求随时间变化
微软研究表明，人们在深夜用手机和工作日白天用笔记本电脑时，对Copilot使用方式不同。研究分析3750万次对话，发现主题和意图因设备、时间、年份而异，AI社群或需重新考虑聊天机器人设计。
智能体「卷王」诞生！干活自动配结项报告，1.5张截图就把事说清了
在LLM/VLM驱动的智能体强化学习研究中，验证完成度是挑战。为此提出SmartSnap方法，让智能体成“质检员”，主动留痕存证。它有三大突破，表现惊艳，简化训练准备，让AI更可靠。
The Sentient Interface: Art, Technology, and the Expanded Mind
在计算与数据主导的时代，艺术、科学与技术边界渐趋模糊。本次活动汇聚四位从业者，探讨如何将无形元素转化为审美体验，从生态数据到AI叙事，跨越学科探索人机关系与环境依存。
蚂蚁开源 Ring-1T，成就推理、编程、通用智能三冠王
蚂蚁开源团队推出 Ring-1T 模型，它结合强化学习与多阶段推理机制，实现从‘模仿’到‘思考’的转变。该模型在多基准测试表现优异，其高性能得益于 IcePop、C3PO++、ASystem 三项关键技术。
python打造Google(A2A)+MCP，Langchain生态互补
文章介绍Google的Agent2Agent（A2A）协议，它能实现AI代理通信协作，打破平台孤岛。还提及MCP协议，二者互补。重点介绍python - A2A库，它实现A2A规范，与多框架、模型集成，给出实战示例。