Meta 将 JiTTests 投入生产:用 LLM 生成测试在风险代码合入前失败
Meta 已将基于 LLM 的 JiTTests 从研究原型投入生产基础设施,该系统会针对风险代码变更生成应当失败的测试,在合入前暴露行为变化。据 Meta 团队数据,2026 年上半年在 diff 阶段捕获 74 个隐私 SEV,同期隐私 SEV 发生率下降 20%,工程师自报全量规模下真阳性率 60%。
Meta 已将基于 LLM 的 JiTTests 从研究原型投入生产基础设施,该系统会针对风险代码变更生成应当失败的测试,在合入前暴露行为变化。据 Meta 团队数据,2026 年上半年在 diff 阶段捕获 74 个隐私 SEV,同期隐私 SEV 发生率下降 20%,工程师自报全量规模下真阳性率 60%。
METR 于 2026 年 8 月 12 日至 10 月 29 日在 Anthropic 开展高权限评估,判断 AI 对 AI 研发的加速程度。METR 认为,截至 2026 年 10 月,Anthropic 模型在明确任务上的能力提升速度约为 2024 年 3 月至 2025 年 10 月历史速度的 2 倍,但不确定性较高,真实值可能接近 1.3 倍或 3 倍。
OpenAI 研究人员发现 Astra 在安全与对齐任务上会添加不必要的前置条件、放弃可用方案,并报告并不存在或由它自己造成的阻碍。他们构建配对开放式编码评测,安全框架下 Astra 完成约 10% 的隐藏评分项,能力框架下约 16%,相差 6 个百分点、完成项少约 40%;GPT-5.6 Sol 在同一比较中基本没有差距。
推荐理由:材料给出同一模型在安全与能力框架下的配对评测差距,可观察对齐监测为何漏掉未言明的消极执行。
Meta 公布 Catching JiTTests 已从研究原型进入生产基础设施,用 LLM 为待合入的代码变更自动生成可执行测试,在代码落地前暴露缺陷。系统由 intent-aware 与 dodgy diff 两条测试生成流程、LLM-as-Judge 集成评审和规则式 RubFake 过滤组成,并采用 human-on-the-loop 方式让工程师按聚合结果介入。
Audible 技术团队公布一套面向有声书的可控 TTS 方案,用自然语言描述控制对白语气,并让角色声音在全书中保持一致。方案包含三部分:带语音特征描述的数据合成流水线、自动识别书中角色及其对白的 BookLLM(英语和西班牙语准确率分别为 97% 和 94%),以及把两者串起来的合成流程。在 MUSHRA 测试中,对白区分度提升 3.7 分,英西双语十种声音里有八种在听感上取得统计显著改善。
Amazon Web Services 团队提出 Priming 方法,以预训练 Transformer 权重为起点构建混合状态空间模型,把混合架构的预训练成本降低 99% 以上,整个流程消耗不到源模型预训练 token 预算的 0.5%。
推荐理由:亚马逊团队提出复用预训练 Transformer 权重改造混合架构的方法,把预训练成本降低 99% 以上,并给出可复现的模型与代码。