一项药物发现项目从命中化合物走到临床候选药物，分子到底发生了什么变化？发表于 Journal of Medicinal Chemistry 的这篇长文，做了一次...

当ChatGPT掀起AI浪潮时，不少测试团队曾兴奋地引入各类AI测试工具——自动生成用例、智能缺陷定位、自然语言写脚本……然而半年后，某头部电商公司的测试效能报...

文章从一个令人警醒的场景出发，系统拆解了生物 AI 评测的三大核心挑战，分享了对 BixBench 基准的深度分析与修订实践，并提出了一套全新的"过程追踪"评测...

导读：多模态数据正成为企业核心资产，但规模化管理仍具挑战。自动驾驶在 PB 级图像、点云、视频等数据治理中积累了可复用经验。本文介绍某公司以 Apache Do...

因此，AI时代更应该强化学习、实践、复盘的闭环。AI主要作用在信息加工、结构化整理和辅助反思上，但驱动闭环转动的仍然是人的独立意志和行动力。理论可以指导实践，但...

大家好，我是人月聊IT。今天继续结合Karpathy的LLM Wiki来聊下AI大模型知识库方面的话题。

组织能不能识别一个新方向的价值？能不能把局部实践上升为正式议题？能不能给到足够的资源和授权？能不能用新的标准评价新的能力？能不能让承担探索风险的人获得匹配的激励...

也正因为如此，这次实践里我们要找的，并不是一个“更会写代码”的 Agent，而是一个真正能承接交付动作的数字员工。

前两篇文章里，我们分别回答了两个问题：端到端自动化到底验证了什么《出码率到 90% 之后，我们真正验证了什么？端到端自动化的第一次真实落地》，以及 90% 出码...

如果一次实践最后只留下“这事挺复杂”“里面坑很多”这种感受，那经验还停留在个人层。只有当它能被讲清楚、被复用、被下一次继续使用，实践才开始从个人经历变成组织能力...

如果把问题只理解为“AI 生成代码的能力怎么样”，那这次实践很容易被误读成一次普通的提效复盘。

在负责任AI实践方面，从业者更侧重于即时的人工监督而非系统化治理。**81.2%**的采纳者会安排人工审核AI建议，71.9%允许人工修正AI生成的需求。然而，...

传统AI工具在复杂任务中的失败率达到57.1%，而人类完成率超过72.36%。这一差距源于现有系统仍停留在被动工具层面，难以应对真实场景中的复杂需求。例如，面对...

（注：文中数据均源自腾讯全球数字生态大会城市峰会“企业AI Agent安全治理与防护实践”演讲材料，主讲人杨忠。）

本文针对企业大模型落地面临的安全合规、部署成本及管理协同等痛点，介绍了腾讯云智能体开发平台以“Agent Skill”为核心的企业级架构与ADP智能工作台。该解...

本文介绍了腾讯云为应对AI时代海量非结构化数据爆发与传统存储架构瓶颈，推出的全新Agent Storage存储范式。该方案通过引入Space抽象层（Agent ...

在工业物联网（IIoT）领域，企业普遍面临一个矛盾：为了解决海量时序数据的存储与分析问题，不得不堆叠越来越多的技术组件，架构越做越复杂，投入越来越高，效果却往往...

左移，意味着将质量活动前置——在需求阶段就介入评审，在开发阶段就嵌入自动化，让缺陷死在摇篮里。右移，意味着将质量验证延伸到生产环境——通过灰度发布、混沌工程、线...

引言 在DevOps持续演进的今天，CI/CD流水线已从‘自动化执行’迈入‘智能决策’新阶段。Gartner预测，到2026年，40%的企业CI/CD平台将集成...

在某金融科技团队的持续交付实践中，一次常规版本发布前的CI流水线突然告警：主干分支构建平均耗时飙升至12分37秒，测试阶段失败率上升至18%。运维日志无异常，代...