摘要：
最近模型圈出现一条重要消息。 OpenAI 宣布，不再推荐使用 SWE-bench Verified 作为代码能力评估基准。 这一基准曾被视为衡量大模型“真实工程修复能力”的重要指标，如今被官方主动弃用。与此同时，新的 SWE-bench Pro 被建议作为替代方案。 目录 发生了什么？ 问题一：测 阅读全文
posted @ 2026-02-27 11:19
霍格沃兹测试开发学社
阅读(24)
评论(0)
推荐(0)
摘要：
春节期间，国产大模型迎来密集更新。智谱发布的 GLM-5 参数规模达到 7440 亿，同时在代理编程能力测试中位列全球第一。 如果只把它当成一次“模型升级”，意义其实有限。 真正值得关注的是：当模型开始具备稳定的多步决策与工具调用能力，自动化工程体系会不会发生变化？ 这篇文章从工程与测试视角，拆解 阅读全文
posted @ 2026-02-27 11:18
霍格沃兹测试开发学社
阅读(14)
评论(0)
推荐(0)
摘要：
在测试工程中，Bug 定位是最消耗脑力也最容易卡进度的环节之一。对于复杂系统，你可能要反复在日志、代码、环境和配置中穿梭，不断猜测原因、验证假设。这个阶段往往既枯燥又费时。 最近，越来越多人尝试用 AI 来辅助 Bug 定位，从最早的提示词辅助思考，到现在工具链级别的自动推理与日志解析，AI 已经从 阅读全文
posted @ 2026-02-27 11:16
霍格沃兹测试开发学社
阅读(15)
评论(0)
推荐(0)
摘要：
最近在后台，陆续有同学问我，问的几乎都是同一个问题： “浩鲸科技 这家公司，适合作为测试工作的第一站吗？” 说实话，这个问题问得很到位。比起“能不能进”，“适不适合”才是对自己负责的思考方式。 浩鲸科技不是互联网大厂，没有字节腾讯那样的光环，但在企业服务领域深耕多年。今天这篇文章，我从测试工程师的职 阅读全文
posted @ 2026-02-27 11:15
霍格沃兹测试开发学社
阅读(13)
评论(0)
推荐(0)
浙公网安备 33010602011771号