1
GPT-Red: Unlocking Self-Improvement for Robustness
OpenAI用自我对弈实现自动化红队测试，大幅提升AI安全与提示注入防御能力。
Explore GPT-Red, OpenAI’s automated red teaming system that uses self-play to improve AI safety, alignment, and prompt injection robustness.
2
Show HN: Benchmarklist: track AI benchmarks (2.4k+), models, and capabilities
一键追踪2400+AI基准测试，快速查看模型能力排名与评分。
We’re launching BenchmarkList: one place to track AI benchmarks, models, and capabilities. It’s surprisingly hard to get a complete picture of what AI…
3
The bugs I could only find by running the thing
通过实际运行才能发现的隐藏Bug，以及作者如何构建ArDD工具来优化AI编码流程。
Last week I wrote about being bad at discipline and building a tool to compensate — ArDD, a set of Claude Code skills that push a project through arti…
4
小鹏第二代 VLA 完成欧洲本地化测试，何小鹏期望成为首家将高阶智能辅助驾驶带到欧洲的中国企业
小鹏第二代VLA在欧洲完成本地化测试，目标成为首家将高阶智驾带入欧洲的中国企业，智能化新突破。
IT之家 7 月 15 日消息，小鹏汽车副总裁 @托马斯电火车 今日透露，7 月 14 日，小鹏集团董事长、CEO 何小鹏在德国完成小鹏图灵 AI 智驾（NGP）第二代 VLA 模型的本地化验收测试。 他表示，这套基于中国路况训练的智能辅助驾驶系统在欧洲的适配性和稳定性已经很高， 几乎不需要额外数据…
5
Show HN: DTAP – test and text anything protocol
用DTAP轻松测试任何文本协议，一键验证HTTP响应头，开源利器
Article URL: https://github.com/melezhik/doubletap Comments URL: https://news.ycombinator.com/item?id=48917772 Points: 1 # Comments: 0
6
小米汽车：仿真和试验室测试确实能大幅提升研发效率，但无法完全替代真实路测
IT之家 7 月 15 日消息，小米汽车官微今天（15 日）凌晨更新了第 260 集“答网友问”，此次的内容主要围绕小米澎程 N90 的道路测试展开。 IT之家整理如下： 官方公布的小米澎程 428 万公里道路实测，都包含哪些测试？ 截至今年 6 月 30 日，小米澎程分批累计投入 566 台测试车…
7
具透 | iPadOS 27 首个公开测试版中你不容错过的 12 个新特性
升级到 iPadOS 27 以后，不妨试试这些新功能…… 查看全文
8
消息称华为鸿蒙 HarmonyOS 7 消费者 Beta 版预计下个月开启测试
一键提取任意科技新闻的核心要点，节省阅读时间，支持链接输入和关键词高亮
IT之家 7 月 13 日消息，在 6 月 12 日启幕的华为开发者大会 HDC 2026 上， 华为鸿蒙 HarmonyOS 7 系统正式发布 ，官方也同步开启开发者 Beta 1 版公开招募。 目前，HarmonyOS 7 (API 26) Developer Beta1 公开招募活动已于 7 …
9
Imaging-101: Benchmarking LLM Coding Agents on Scientific Computational Imaging
新基准Imaging-101系统评估LLM编码代理在科学计算成像上的表现，揭示当前模型能力边界。
arXiv:2607.10789v1 Announce Type: new Abstract: Computational imaging, which recovers hidden signals from indirect, noisy measurements, underpins quan…
10
华为智选车产品总监彭磊科普国家 L3 准入要求，称享界 G9 设计之初就瞄准 L3 级自动驾驶开发
享界G9拿下北京120km/h L3级路测牌照，华为总监详解国家准入硬核要求
IT之家 7 月 14 日消息，鸿蒙智行享界汽车今日宣布，享界 G9 正式获批北京市 L3 级自动驾驶道路测试牌照， 成为首款获批北京市时速 120 公里 L3 级自动驾驶道路测试牌照的车型 。 IT之家注意到，华为智选车产品总监（享界系列）彭磊今日发文科普了国家在 L3 准入的要求。他称 首先是生…
11
时速 120 公里：鸿蒙智行享界 G9 正式获批北京市 L3 级自动驾驶道路测试牌照
享界G9成为首款获批北京时速120公里L3自动驾驶测试牌照车型，搭载华为896线激光雷达与多传感器融合方案，自动驾驶技术再突破。
IT之家 7 月 14 日消息，鸿蒙智行享界汽车今日宣布，享界 G9 正式获批北京市 L3 级自动驾驶道路测试牌照， 成为首款获批北京市时速 120 公里 L3 级自动驾驶道路测试牌照的车型 。 据介绍，北京市具备完整的自动驾驶测试牌照审核体系。 享界 G9 采用“激光雷达 + 视觉 + 毫米波雷达…
12
卡普空《鬼武者：剑之道》PC 性能测试工具上线，游戏 9 月 4 日发售
卡普空《鬼武者：剑之道》PC性能测试工具已上线，玩家可提前评估配置，游戏9月4日发售。
IT之家 7 月 14 日消息，卡普空旗下《鬼武者：剑之道（Onimusha： Way of the Sword）》将于 9 月 4 日发售，目前本作的游戏 PC 性能测试工具已登陆 Steam 和 Epic 平台，玩家可通过它来评估自己电脑配置在实际游戏中的运行表现，测试结果将以分数显示： A 等…
13
Capabilities of Claude Fable 5 on Biomedical Challenge Problems
首个公开评估Claude Fable 5在生物医学挑战问题的表现，直面基准饱和与评估方法可靠性问题。
arXiv:2607.10849v1 Announce Type: new Abstract: Frontier language models are increasingly evaluated on biomedical benchmarks, but two problems undermi…
14
Do Video-LLMs Actually Watch? Diagnosing Character-Tracking Failures in Long-Form Video
诊断Video-LLM在长视频中跟踪角色的失败，揭示当前最强开源模型未能真正“观看”视频的局限。
arXiv:2607.11078v1 Announce Type: cross Abstract: Can a Video Large Language Model (Video-LLM) follow one person through a long video, keeping track o…
15
Show HN: TUI wrapper for cargo-nextest, Clap-powered xtasks, and more
为 cargo-nextest 打造的终端 UI 包装器，实时可视化测试运行状态与存储信息
Hi Everyone! While working on big Rust projects I'm experiencing these pains: - having to hand-roll CLI test commands - remembering custom project com…
16
17
Spotify expands its AI push with a ChatGPT-like music assistant
Spotify推出类ChatGPT音乐助手，AI驱动个性化推荐，美、爱、瑞典先行公测
Spotify is rolling out a new AI-powered conversational feature that lets Premium subscribers chat with the app to discover music, podcasts, and audiob…
18
RVN-Bench: A Benchmark for Reactive Visual Navigation
全新基准测试RVN-Bench，专为反应式视觉导航设计，推动机器人自主导航评估标准化
arXiv:2603.03953v2 Announce Type: replace-cross Abstract: Safe visual navigation is critical for indoor mobile robots operating in cluttered environme…
19
Agent Hacks Agent: Autoresearch for Production-Agent Red-Teaming
让AI Agent自动互相攻击，发现生产环境漏洞，这篇论文提出了全新的自动化红队测试框架。
arXiv:2607.11698v1 Announce Type: cross Abstract: Production LLM agents such as Claude Code and Codex operate over untrusted content, files, commands,…
20
SLVMBench: Skill Learning from Video Memory
新基准测试SLVMBench，评估AI从视频记忆中习得技能的潜力。
arXiv:2607.11312v1 Announce Type: new Abstract: We introduce Skill Learning from Video Memory (SLVMBench), the first benchmark that jointly evaluates …