Microsoft Open Sources code-testing-generator: a Polyglot Unit-Test Agent That Hits 92.1% Task Completion Versus 78.9% for Stock Copilot
重點摘要
Microsoft has open sourced code-testing-generator, a polyglot agent that writes unit tests and then proves they work. It ships in the dotnet-test plugin inside the MIT-licensed dotnet/skills repository.
Microsoft has open sourced code-testing-generator, a polyglot agent that writes unit tests and then proves they work. It ships in the dotnet-test plugin inside the MIT-licensed dotnet/skills repository. The agent targets a gap that coding assistants usually leave open. A prompt like ‘generate unit tests’ does not say which framework, file location or assertions to use. code-testing-generator settles those decisions by reading the repository before it writes anything. It then plans, writes, runs and checks the tests it produces. On Microsoft’s internal 152-task benchmark, it completed 140 tasks against 120 for stock GitHub Copilot. Both setups used the same model and prompts. Is it deployable Yes.
Related
相關文章
openJiuwen發佈業界首個企業級分佈式蜂群架構，聯合郵儲成功落地金融生產環境
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.
FDE一詞火了，美股AI應用龍頭業績與股價暴漲
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機。
螞蟻集團開源Avernet，讓人與智能體像組織一樣高效協作
**螞蟻集團開源Avernet：打造人與智能體高效協作的“組織級”基礎設施** **來源：量子位** **2026-08-07 11:08:51** 近日，螞蟻集團正式宣佈開源多智能體協作基礎設施Avernet，其社區版本已同步上線。作為業界首個聚焦於“組織級協作”的智能體基礎設施，Avernet的首個版本重點開放了智能體協作網絡能力，旨在支持不同智能體之間的發現、共識達成、跨團隊協作與治理，為人工智能從“單點智能”走向“系統智能”提供關鍵支撐。
GPT-5 上線 1 週年之際：OpenAI 面向 AI 智能體推出 Agent Plugins 規範
在 GPT-5 系列模型推出 1 週年（2025 年 8 月 7 日上線）之際，OpenAI 公司今天（8 月 7 日）宣佈推出 Agent Plugins，是面向 AI 智能體的插件打包標準。
螞蟻集團開源Avernet:破解多智能體“找不到、對不齊”協作難題
AI資訊AI新閒資訊正文螞蟻集團開源Avernet:破解多智能體“找不到、對不齊”協作難題發布於AI新閒資訊時間 :Aug 7, 2026閱讀 :1分鐘近日，螞蟻集團正式開源多智能體協作基礎設施Avernet，社區版本已上線。首個版本重點開放智能體協作網絡能力，支持不同智能體之間的發現、共識、跨團隊協作與治理。
SuperScout實現低成本路由
**SuperScout實現低成本路由：先「偵察」程式庫再派工，編碼代理成本降至五分之一** **——7B搜尋模型結合隱藏狀態路由，在SWE-bench Pro上以五分之一成本追平最佳單一模型表現** （綜合arXiv最新論文報導）在軟體工程自動化領域，前沿大型語言模型（LLM）雖能解決倉庫級軟體問題，但每一次嘗試都所費不貲。現有的路由系統僅從問題文字本身選擇模型，往往無法準確預判任務難度與所需資源。