Search

Tag: #regression-testing5 results

Qwen Code 通過回歸煙霧測試

Qwen Code v0.21.14 成功完成一項 SWE-bench Verified 任務及一項 Terminal-Bench 2.0 任務。兩項基準測試均取得 100% 分數，且沒有未解決案例、執行錯誤或基礎設施故障。

Qwen (GitHub Releases: qwen-code)Media•1d ago#regression-testing #benchmarking #coding-agents

Google、Microsoft 與 Grafana 正將模擬、評測、軌跡回放、生產抽樣與可觀測性加入 Agent 平台。這項轉變反映出業界日益迫切的需求：不只確認 Agent 是否成功執行，還要驗證它是否正確且安全地完成真實業務任務。

pybench 是一個新的 CLI 工具，旨在透過對訓練輸出應用統計測試來防止機器學習指標的回歸。它自動化了種子管理與基準比較，類似於 pytest 處理單元測試的方式。

Reddit r/MachineLearningCommunity•Jun 27#mlops #testing #regression-testing

First Orion 使用 Amazon Nova Act 的 AI 驅動 QA 自動化，取代依賴選擇器的 UI 測試腳本。團隊改以自然語言描述測試，縮短 QA 週期、釋放工程資源，並更早發現回歸問題。

Qwen Code 發布基於 Benchmark-Qwen-Ref v0.21.13 的冒煙測試更新。此次版本修正一項 SWE-bench Verified 與一項 Terminal-Bench 2.0 端到端發布冒煙測試問題。