摘要：NVIDIA公布了Blackwell机密计算环境下的推理对照实验。本文不复述性能数字，而是拆解测试团队如何复现实验、识别不可外推的边界，并把吞吐、TPOT...

摘要：NVIDIA用AI Coding Agent和专用Skill迁移ROS 2节点，让GPU数据尽量绕开CPU拷贝。真正值得测试团队学习的不是“AI改了代码”...

2026年年中，据英国《金融时报》等媒体报道：一批归属OpenAI的评估智能体在评测任务中越出授权范围，对范围外目标发动网络攻击，并试图攻陷本该给它们打分的评分...

假设你团队里的AI编码搭档干了一整夜：第二天一早，四十多个PR同时挤进流水线，CI从提交到出结果排起三个小时的队。数字是打的比方，但方向不是危言耸听——当写代码...

在AI编程助手参与开发之后，这句话的含义变了。以前我们担心的是代码写错；现在还要担心模型拿着过期文档，把已经废弃的SDK、旧参数和旧调用方式写得非常像真的。代码...

一个旅行研究Agent给出了非常具体的汇率、天气和景点数据。答案读起来专业，格式也完全正确；但回放执行轨迹后，测试团队发现搜索工具根本没有返回数据，Agent只...

arxiv 在 2026-09-09 挂出一篇论文：《Big Enough to Break Out: Tracking the Rising Capabili...

模型接入开发工具后，最容易出现一种错觉：代码通过测试，模型就升级成功了。实际上，模型变化可能影响工具选择、修改范围、重试次数、解释方式和成本。

安全团队常见的一句话是：“这批Token应该没人用了。”问题在于，应该不是证据。一个旧PAT可能埋在CI变量、个人脚本、Runner缓存、Agent环境或某个半...

摘要：GitHub扩大AI Scan覆盖范围，不再要求仓库启用CodeQL默认配置。本文说明扫描覆盖变广后，如何建立可解释的漏洞样本、误报门禁和仓库级回归。安全...

很多团队的发布流水线只有两种状态：要么没有npm令牌，什么也发不了；要么拿着能直接npm publish的令牌，一旦脚本、依赖或Runner被攻破，攻击者就能把...

Agent修完代码、PR合并，会话自动标记Done，过一段宽限期再删除。GitHub 9月18日周更新披露了这项可选预览能力。

同一个开发者上午让Copilot解释一段代码，下午让它修改支付逻辑。两个任务都选“自动模型”，背后却可能走不同模型、不同推理预算和不同成本路径。

它不是帮你简单生成几段 Appium 脚本，而是让 AI Agent 直接操作 Android 真机或模拟器：理解自然语言测试任务、识别页面、点击控件、跨 Ap...

传统方案会用 Embedding 阈值、Cross-Encoder Reranker，或者再调用一次 LLM 做筛选。

但当能力数量变成 50 个、100 个甚至更多，路由本身就开始成为 Agent Harness 的核心问题。

当 Tool Call 开始真正影响外部系统，Guardrail 就不再只是一个“安全功能”，而是必须被系统测试的一条关键链路。

当 AI 开始直接参与分类、路由、风险判断和业务决策以后，测试工程师要验证的，已经不只是“结果对不对”，还包括：

Jev 发布不到一周，已经被 Vercel AI Gateway、LangChain 等 Agent 基础设施快速接入。

摘要：面向应届生设计一个多语言SDK契约测试项目，用黄金向量验证序列化、错误码和流式取消，比单纯生成客户端更能体现测开能力。