摘要：
别用想象的 case 测模型：OpenRouter 从生产流量构建黄金评测集指南翻译 合成样本带着某人想象的失败，生产样本带着用户真实踩到的失败——这是评测集的第一性差异。 OpenRouter 这组教程的第三篇（前两篇我们已翻译：回归测试、工具调用准确性），回到了整个评测体系的源头问题：你的测试 阅读全文
posted @ 2026-09-30 20:05
iTech
阅读(22)
评论(0)
推荐(0)
摘要：
Agent 调错工具 vs 传错参数：OpenRouter 工具调用准确性测试指南翻译 选错工具和选对工具传错参数，是两种不同的病——用同一种测试去查，等于两种都查不准。 昨天翻译了 OpenRouter 的 Agent 回归测试指南，今天这篇是它的姊妹篇：《How to Test Tool-Cal 阅读全文
posted @ 2026-09-30 20:00
iTech
阅读(13)
评论(0)
推荐(0)
摘要：
改了 Prompt 或换模型，怎么证明 Agent 没坏？OpenRouter 回归测试指南翻译 传统软件改代码跑单测，Agent 改 prompt 跑什么？OpenRouter 给出了一份可操作的答案。 改了一行 system prompt，Agent 的语气、工具调用顺序全变了；换了个模型，策略 阅读全文
posted @ 2026-09-30 19:56
iTech
阅读(11)
评论(0)
推荐(0)
摘要：
常驻智能体三国杀：Meta Muse、OpenAI Dots、xAI Team Bots 的主要特色 一周之内，三家巨头把"常驻 AI 智能体"从 PPT 变成了产品——路线却截然不同。 过去一个月，AI 行业完成了一次 quietly 的范式切换：智能体从"你问它答"变成"它一直在干"。Meta 阅读全文
posted @ 2026-09-30 19:52
iTech
阅读(40)
评论(0)
推荐(0)
摘要：
DeepSeek Harness 桌面端发布：24 万星的"一切皆插件"底座，这次焊上了 Office 全家桶 从极客的命令行玩具，到开箱即用的桌面数字员工——DeepSeek 这步棋走得又隐蔽又果断。 一个月前刚开源的 DeepSeek Harness（DSH），GitHub 上已经冲到 24 万 阅读全文
posted @ 2026-09-30 09:29
iTech
阅读(143)
评论(0)
推荐(0)
摘要：
AI 技术日报 - 2026-09-30 Top 10 AI 技术要闻 OpenAI 开发者日发布 GPT-6.1 Sol：性能媲美 Astra，费用仅 1/5 OpenAI 开发者日活动正式推出 GPT-6.1 Sol，官方称"同等性能下性价比最高的模型"：智能体编程、电脑操作和专业工作流上性能接 阅读全文
posted @ 2026-09-30 09:23
iTech
阅读(68)
评论(0)
推荐(0)
浙公网安备 33010602011771号