每天发布多次功能，无需等待长达数天的回归测试。

QA Wolf 的完全托管、AI 原生服务可让您的工程团队在不到四个月的时间内实现 80% 的自动化端到端覆盖率。

每个测试都在专用云基础设施上并行运行，因此您的套件只需几分钟即可完成，而不是几小时或几天。

转向 QA Wolf 的团队会发现发布速度更快、错误更少：

• 利用 AI 创建测试的速度提高 5 倍
• 保证每次运行测试均无剥落
• 24 小时测试维护和按需更新
• 已向您的团队发送经过人工验证的错误报告

与 QA Wolf 合作后， Drata构建的测试用例增加了 4 倍，QA 周期加快了 86%。

发货更快。发货干净。🚀

安排演示以了解更多信息。

📱

xAI 指控其前员工李学辰在辞职并加入竞争对手 OpenAI 之前窃取机密信息和商业机密。xAI 已提起诉讼，指控李学辰在获得 xAI 股份的巨额现金报酬后的第二天，故意恶意地将工作笔记本电脑上的文件复制到至少一个个人系统中。据称，李学辰采取了大量措施来掩盖其不当行为，包括删除浏览器历史记录和系统日志，以及在将文件上传到个人系统之前对其进行重命名和压缩。李学辰于 7 月 28 日从 xAI 辞职，原定于 8 月 19 日加入 OpenAI。

Alexandr Wang 引入 Meta 并协助运营 Meta 超级智能实验室的高管中，至少有一位已经离职。Scale AI 前 GenAI 产品和运营高级副总裁 Ruben Mayer 表示，他对在 Meta 的工作经历非常满意，离开是出于个人原因。Meta 与 Scale AI 的关系似乎正在发生变化，因为它正在与 Scale AI 以外的第三方数据标签供应商合作，以训练其即将推出的 AI 模型。据报道，Meta 的研究人员认为 Scale AI 的数据质量低下，并表示更倾向于与 Scale AI 最大的两家竞争对手 Surge 和 Mercor 合作。

🚀

阿斯利康的实验性高血压药物在一项大型后期研究中，其降压效果比标准治疗药物高出两倍多。该制药商计划在今年年底前提交监管部门的批准。在获得批准使用之前，仍需进行更多研究来确认安全性并评估长期疗效。该药物的作用机制是减少醛固酮的产生，醛固酮是肾上腺产生的一种激素，有助于调节人体盐分和水分的水平。

礼来肿瘤学公司（Lilly Oncology）的Abemaciclib（商品名Verzenio）可显著降低某些类型已扩散至淋巴结的早期乳腺癌的复发风险。根据一项尚未经过同行评审的3期临床试验结果，Verzenio已获批用于治疗激素受体阳性的晚期或转移性乳腺癌，以及复发风险较高的早期乳腺癌。该药物与激素疗法协同作用，可抑制乳腺癌细胞增殖。

💻

了解 MCP 服务器如何让 AI 应用使用 OAuth 安全地访问用户数据。我们将介绍关键用例、架构考量，以及 Clerk 如何简化在 Next.js 中构建 MCP 服务器的过程，并附带一个演示，展示其与 LLM 的实际集成。👉了解更多

AI辅助开发领域出现了三种截然不同的方法。第一种是Vibe Coding，它可以被描述为使用大型语言模型构建应用程序，并通过聊天迭代代码，直到达到生产环境的水平。第二种方法是使用AI作为Copilot，开发人员让模型构建应用程序的各个部分，然后审查更改，手动修复所需的任何内容，并批准或拒绝更改。第三种方法是将AI工具用作HUD，仅使用它们来编写代码。每种方法都有其优缺点，适用于不同的任务和技能组合。

JavaScript 的 setTimeout(0) 实际上可以延迟 4 毫秒运行。很多网站滥用 setTimeout，因此浏览器会设置延迟以避免耗尽用户电量或引发其他问题。开发者可以选择其他替代方案。虽然这些选项仍然可能被滥用，但目前是允许的。

🎁

Anduril 最初雄心勃勃，致力于重塑国防生态系统。如今，该公司已部署了 30 多种产品，数千个系统经过实地测试，并改变了美国国防技术的轨迹。本文回顾了 Anduril 爆炸式增长的历程，旨在让其他创始人、工程师、投资者、运营商以及其他所有人一窥 Anduril 的成长历程。

最新的人工智能模型正在进行更多“思考”，尽管代币成本有所下降，但完成任务的成本却有所上升。这与几个月前许多分析师和专家的预测截然相反。推理可以提供更佳的响应，但在此过程中会消耗更多代币。降低成本的一种方法是使用“更笨”的人工智能——许多用例并不需要尖端人工智能。

⚡

TLDR AI 是您每日必读的 LLM、GenAI 和深度学习精华。TLDR 格式不变，仍然免费。

立即订阅。

了解经济的实时变化是一项艰苦的工作，对任何方向过度自信都是不可取的。

这是对亚马逊首席技术官 Werner Vogels 的采访摘要，其中他讲述了二十年来构建互联网上一些最关键基础设施的经验教训。

认知负荷是指开发人员为了完成一项任务需要思考的量。

大型语言模型并不能神奇地解决所有软件工程问题，也不能解决维护问题。

高级开发人员可能更有能力发现和纠正人工智能的错误。

因式分解 21 的电路比因式分解 15 的电路贵一百倍以上。

订阅