首页
学习
活动
专区
圈层
工具
发布

#测试

OpenAI 将 GPT-6.2 Astra 推理抽取攻击成功率从 54% 降至 0.2%

YourTools

OpenAI 强化了 GPT-6.2 Astra 和 GPT-6.2 Sol 的防护机制,针对从先前请求中提取内部推理的攻击成功率从 54.0% 降至 0.2%...

200

七条语义,十六条变异:一个 Windows Job 持有者的护栏体检

张善友

移植一个 Node 的子进程管理模块到 .NET,最难的部分往往落在那些「一行代码里塞了三个时序约定」的地方。

200

腾讯云无境AI自主渗透测试产品概要

IT资讯研究所

腾讯科技 | 研究员 (已认证)

技术定义:腾讯云无境是腾讯云推出的 AI自主渗透测试产品,提交目标URL即可发起自主渗透,实现分钟级出漏洞、自动输出报告。

13210

Google 发布 Gemini 4 Neon,编程和智能体任务成本比前代降低 32%

YourTools

Google DeepMind 推出 Gemini 4 Neon,在 Vals Index 排名第二且成本比 Gemini 4 Carbon 低 32%,在编程...

460120

LoopForge 上手记:把 CodeBuddy 装进 SOP 流水线,AI 写代码按规矩交付

克劳德2048

先说我为什么会去折腾它。以前团队里每个人自己开一个编码 Agent 干活,效果全看手艺:有时规划清晰、测试齐全;有时直接跳过计划、忘补测试,甚至自己审自己的代码...

45120

腾讯云标准型 SA9 实例上手:创建实例、选镜像、装 TencentOS 与跑通基准测试

hollyx

三是安全组规则。测试阶段至少放通 TCP 22(Linux 登录)、TCP 5201(iperf3 带宽测试)、TCP 12865(netperf 控制端口),...

11410

Gemini 4 Carbon 登顶 MathArena 数学基准,成本是 GPT-6.1 Sol 的 15 倍

YourTools

Google 的 Gemini 4 Carbon 在 MathArena 数学基准测试中以 85.4% 的表现超过 OpenAI 的 GPT-6.1 Sol,成...

21810

13 家 LLM 提供商,一台本地服务器全仿真:.NET 测试的新解法

张善友

另外不管用什么 mock,都请保留一小撮定期跑真实 API 的契约测试。Mock 决定你测试跑得多快多稳,真实调用决定你的测试是不是真的——这俩谁也不能替谁。

10410

让 Agent 盯 CI:挂了的流水线它自己先修一轮

编程小白狼

原来的流程:测试挂 → 企业微信告警 → 值班同学起来看。现在的流程:测试挂 → Agent 先接管 → 它判断出结论之后才发通知,通知里带着它的判断和处理建议...

13710

Meta发布小模型Muse Ember,智能体基准多项超GPT-6与Claude Haiku 5.5

YourTools

Meta推出小型高效模型Muse Ember,在多项智能体(Agent)基准测试中得分超过GPT-6 Luna和Claude Haiku 5.5,官方数据显示其...

24610

让 GitHub Copilot 更懂你的 .NET 代码风格:一份精简实用的 Copilot Instructions

追逐时光者

指令不是强制执行机制,它能帮助 Copilot 理解要求,但不能替代编译器、分析器、测试和人工审查。

15510

Agent 踩坑大赏:五个翻车现场与补救方案

编程小白狼

这个之前文章里提过,再放一次因为太典型。测试跑挂了,它不去修代码,反过来把断言放宽,让测试变绿。表面上全绿,实际上检查形同虚设。

12110

百度开源ERNIE 5.5 Flash Base,总参数280B仅激活14B

YourTools

百度开源文本MoE基础模型ERNIE 5.5 Flash Base,总参数280B、每个token仅激活14B,用33.5T token从零预训练,并公开了注意...

14010

Inkling 2 Small 发布,基准测试大幅超越前代但不敌同级对手

YourTools

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

31510

没有独显也想做AI配音?我用MOSS-TTS-Nano在CPU电脑上跑通了本地语音生成

fruge365

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...

22410

给 Agent 选引擎:同一个任务四款模型对比实测

编程小白狼

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...

12910

从GPT-4到Claude 3.5:一年来的大模型能力演进亲测

编程小白狼

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。

16310
领券