刚刚，一篇阿里联合中山大学的研究在 X 上爆火了！
昨日，OpenAI 宣布收购了 Promptfoo 以保障其 AI 智能体的安全。这家成立于 2024 年的 AI 安全初创公司，专注于保护大语言模型免受网络攻击。OpenAI 在一篇博客文章中表示，交易完成后，Promptfoo 的技术将整合进 OpenAI Frontier，该平台是其近期推出的、供企业构建和管理 AI 智能体的平台。
我想洗车，我家距离洗车店只有 50 米，请问你推荐我走路去还是开车去呢？就是这么一道题，却让 AI 集体上演了一出大型降智现场。只能说，看完 AI 们的回答，我悬着的心终于放下了。
产品演示总能吸引眼球，但软件开发实则更常涉及调试、质量保证和检测这类工作。这些枯燥却关键的环节保障着软件正常运行。随着开发者寻求更多工作负载的自动化，这些工作正逐渐交由AI 来完成。
这两年，写代码这件事变了。GitHub Copilot、Cursor、Devin 一路登场，工程师开始习惯“打一段话，几千行代码自己长出来”。写得出东西，变得前所未有地容易。但很快大家发现，真正拖住上线节奏的，不再是「能不能写出来」，而是「敢不敢放上生产环境」——代码量指数级增长，验证、回归、极端场景覆盖反而被彻底压缩，测试成了 AI 时代新的“硬瓶颈”。
随着现在的主流大模型都能轻松通过图灵测试，这个持续了数十年的标准开始逐渐过时。奥特曼和量子计算之父David Deutsch讨论得出了一个新的图灵测试2.0标准，可以更好地衡量究竟怎样AI才算拥有真正的智能。
人眼秒懂，AI抓瞎！网友用光学错觉玩坏大模型，全网百万人围观。
随着大型语言模型（LLM）朝着通用能力迈进，并以通用人工智能（AGI）为最终目标，测试其生成问题的能力也正变得越来越重要。尤其是在将 LLM 应用于高级编程任务时，因为未来 LLM 编程能力的发展和经济整合将需要大量的验证工作。
当你刚用 AI 生成了一个精美的电商网站，却在演示时购物车结账功能存在隐藏 Bug？
零代码、零bug，30分钟即可创建新网站。
