Inkling 2 Small 在 AutomationBench-AA、FrontierCode 2.0 等基准上较前代 Inkling Small 明显提升...

MOSS-TTS-Nano这篇文章最值得关注的点，是它提供了面向CPU环境的本地运行方式。对于没有独立显卡、又希望在本机完成语音生成和参考音色测试的用户来说，部...

先说完成率。四款里有三款最终跑通了任务，Claude 一次过，GPT-4o 两轮，DeepSeek 三轮。千问卡在最后一步，测试跑挂了之后它改错方向，把测试断言...

作为一个早期用户，我几乎每个月都会跑一遍相同的测试题，记录各模型的能力变化。这篇文章是我半年来的"实测档案"——不吹不黑，只说真实感受。

用了大半年的 AI 编程工具，我越来越确认一件事：代码智能体不是一个"替你写代码"的工具，而是一个"和你结对编程"的助手。

作为一名有7年经验的测试工程师，我曾经以为自动化测试是测试工作的终极形态。直到我开始用AI辅助测试，才发现以前的效率还是太低了。

"测试工程师会不会被AI取代？"这个问题，入行五年的我可以负责任地说：重复的测试会被取代，测试工程师不会。这个月我做了一个实验：把AI助手系统地引入测试工作流，...

老模块没有单元测试是重构的大忌。我让AI基于重构后的代码反推生成单元测试：先写核心业务逻辑的测试，再补边界和异常场景。AI生成测试的速度比我手写快5倍以上，虽然...

一个月的数据：核心模块覆盖率从40%升到85%，新生成的测试数量约600个，其中人工修改率约20%（主要是业务规则理解偏差和边界修正）。最有说服力的是：上线前测...

以前我们团队的代码审查，靠的是开发之间的互审——但大家业务忙，审查经常变成"走过场"，低级问题（空指针、资源没关、边界没判）就溜进主干，等测试和线上出问题才暴露...

我们测试团队每月要维护上千条测试数据：客户资料、订单记录、优惠券、账户余额，分布在十几个环境里。以前每次测试都要手工造数据——写SQL插库、调接口造单、手工改状...

我建了一个20条左右的测试用例集（覆盖典型输入、边界输入、反例输入），每次改提示词都跑一遍，看是否回归。没有测试集的提示词调优，都是玄学。

之后大概四十分钟，它写完了接口，自己跑了测试，第一轮测试挂了一个，它自己看报错改掉了，第二轮全绿。中途它问过我一次：筛选条件里"未结清"的定义，是余额大于零还是...

分布式系统测试工具 Jepsen 的作者 Kyle Kingsbury 在 ParticleDB 1.1.4 的测试报告中指出，LLM 的使用正在侵蚀人们对文档...

一个实用建议：产品还没上线、拿不出产品证明时，先用公司名称申请签名做测试，产品上线后再申请产品名签名，签名数量不限制，不用担心名额。

上游 tests/ 目录有 119 个测试文件、2,082 个测试函数。照抄一遍？不行，也没意义。账里把 2,082 个函数逐类过了一遍，做了明确的取舍：

Exin Therapeutics让Claude Sonnet 5自主选定基因疗法、脑区和坐标并完成小鼠手术，坐标超出设备范围时一度拒绝继续，最终人工修复代码解...

你是一名资深的产品经理，我现在需要你按照互联网企业开发的角度，从需求分析，需求规划，UI布局交互，开发实现，测试（UED测试、功能测试）的角度。

谷歌10月29日发布Gemini 4 Carbon，在漏洞挖掘、作弊率和提示注入防御上刷新纪录，第三方测试显示其幻觉率从4%升至11%，输出token数低于Cl...