PromptPex是一个创新的开发者工具，它将AI模型中的提示词（prompts）视为函数，并自动生成测试输入，从而实现对AI模型提示词的系统化单元测试。这一工具的诞生标志着AI开发工具链的进一步完善，尤其是在提示工程（Pr...

近日，Maestro作为下一代移动UI自动化工具，正式亮相。该工具旨在通过先进的自动化技术，显著提升移动应用的用户界面测试效率。Maestro不仅支持多种移动操作系统，还能无缝集成到现有的开发流程中，极大地简化了测试...

近日，EmbodiedEval作为一种全面且交互式的基准测试工具正式亮相，旨在评估多模态大语言模型（MLLMs）在具身任务中的表现。具身任务是指模型需要在物理环境中执行具体操作的任务，这对模型的感知、推理和执行能力提...

近日，GitHub上发布了一个专门用于评估AI模型在复杂函数调用方面表现的基准测试工具库。该工具库旨在为研究人员和开发者提供一套全面的测试框架，以衡量不同LLM在处理复杂函数调用时的性能。通过这一工具，用户可以...

LOKI 是一个用于评估视觉语言模型（VLMs）在检测新颖和具有挑战性项目方面表现的合成基准测试工具。该基准测试通过生成复杂的多模态数据，帮助研究人员更好地理解模型在处理未知或复杂场景时的能力。LOKI 的设计旨在...

近日，MTU-Bench作为一种全新的基准测试工具正式发布，旨在评估大型语言模型（LLMs）在不同场景下的工具使用能力。该基准测试通过多样化的任务设计，全面衡量LLMs在实际应用中的表现，特别是在复杂任务中调用外部工...

MailCatcher是一款功能强大的邮件测试工具，它运行了一个超简单的SMTP服务器。用户可以通过这个SMTP服务器发送测试邮件，无需实际发送到接收者的邮箱中。MailCatcher能够捕获并存储发送的邮件内容，方便开发者在开发...

最近，越来越多的消费者开始使用数字工具跟踪商品价格，以便在购物时节省资金。Playwright是一款新兴的自动化测试工具，现在也可以用于跟踪网上超市的价格。 使用Playwright，用户可以编写自动化脚本，以定期检查商...