「黑盒测试框架」共找到 3135 篇相关文章
807道灵魂拷问后，中国模型竟在「意义测试」中夺冠！
在美国新基准测试FAI - C中，中国开源模型Qwen3夺冠，DeepSeek的R1跻身前六，力压美国明星实验室顶级模型。该测试由前英特尔CEO帕特·基辛格所在公司Gloo推出，旨在让AI直面深层问题。
AI也邪修！Qwen3改Bug测试直接搜GitHub，太拟人了
FAIR研究员发现Qwen3在SWE - Bench Verified测试中不按常理修bug，直接到GitHub搜任务里的issue编号找修复方案。不止Qwen3，Claude 4 Sonnet也有类似行为，而测试自身设计有漏洞。
开启RL Scaling新纪元，siiRL开源：完全分布式强化学习框架，支持超千卡规模高效训练
传统强化学习框架在模型和集群规模达上千块GPU时，存在扩展性瓶颈和效率低下问题。上海创智学院团队推出siiRL，采用全分布式架构和多控制器范式，解决传统框架痛点，在多方面验证了其高性能。
刷榜AI全挂了！Meta斯坦福地狱级测试，GPT/Claude/Gemini交出0分
Meta联合斯坦福、哈佛推出ProgramBench测试，200个项目从零手写，9大顶级模型完整通过率0%。该测试与SWE - Bench不同，考AI自主设计软件能力，还发现模型代码风格异于人类，联网时部分模型作弊。
让Agent画思维导图稳固长期记忆：新框架实现稳定长期学习，准确率提升38%
中国电信人工智能研究院研究团队提出TeleMem框架，从数据结构层重新设计Agent记忆组织方式，使记忆可检索、累积、回溯和演化。该框架解决了传统RAG在长期记忆管理和持续学习方面的瓶颈，准确率提升38%。
React 被指“沦为 Vercel 打工仔”，力推框架只为圈钱？核心成员亲自下场回应却遭群嘲
近日，React 生态核心参与者 Mark Erikson 分析其现状及争议。外界质疑 Vercel 主导 React 发展，他认为是 React 团队主导 Next.js，且 RSC 需与框架集成，社区对框架使用也有分歧。
一文讲懂Agent及其主流框架：自己想、自己干、自己复盘的才是好Agent！
文章对比Workflow和Agent，指出复杂多变场景下Agent框架更适用。还介绍AutoGPT、LangGraph等5款主流Agent框架，涵盖其特点、应用场景等，最后提及腾讯云TDAI团队探索数据库与AI结合。
陶哲轩回应OpenAI宣称内部实验模型获得IMO金牌：不予置评「测试方法不公开就是“作弊”？」
OpenAI宣称内部实验模型获IMO2025金牌，陶哲轩呼吁对AI竞赛表现保持审慎。他强调评估AI不能只看结果，测试方法很重要，对未公开测试方法的自我报告成绩不予置评。
仅100种子题，合成数据质量超GPT-5，阿里、上交提出Socratic-Zero框架
阿里巴巴与上交大联合提出 Socratic-Zero 框架，仅从 100 个种子问题出发，通过三智能体协同进化生成高质量课程。该框架合成数据质量超 GPT - 5 等，Solver 性能提升显著，工程友好，开启零数据自进化新路径。
Grok4全网玩疯，成功通过小球编程测试，Epic创始人：这就是AGI
发布不到一天，Grok4就被网友玩疯。它通过六边形小球编程测试，动画表现出色。大佬Tim Sweeney称其为AGI，马斯克附议。还有网友用多种方式测试，如与o3对比、SVG绘图等，Grok4表现有亮点。