Witbe 发布了 Witbe VLMs，这是一系列由 Witbe 自主研发和训练的视觉语言模型，可用于在任何设备上实现视频测试自动化。一年前，Witbe 将智能体测试引入视频服务领域，利用专门的智能体来规划测试、在真实设备上运行测试并对屏幕上出现的任何内容做出反应。
Witbe VLM 与这些代理商一直在利用的通用模型和前沿模型协同工作。
通用模型是在开放网络上训练的，而这些网络几乎不包含关于机顶盒屏幕键盘、启动器网格或五年前智能电视画面冻结方式的信息。Witbe VLM 则专门针对这些情况进行训练，充分利用了 Witbe 在任何设备、任何地点、任何应用场景下测试和监控视频服务所积累的专业知识。
将模型专门用于视频测试自动化和监控并不会降低其通用性。在模型训练期间从未见过的应用场景中，它们的性能与前沿模型不相上下。不同应用场景之间可迁移的是屏幕和界面的行为模式。
哪些方面发生了变化？
- 延迟更低，因此测试套件完成得更快，REC 中的设备控制响应也更灵敏。
- 每次测试成本更低，行为更可预测，升级控制力更强。
- 人工智能主权。测试数据（包括客户服务的录制视频）部署在客户自身的基础设施内，绝不会离开该环境。对于面临数据驻留规则或内容保护义务的运营商而言，这正是人工智能在生产环境中得以应用的关键所在。
不变的是结果的验证方式。模型负责解释，确定性逻辑负责验证。所有结果都基于在真实设备上测量的关键绩效指标 (KPI)，每次运行都有视频记录作为证据。人工智能 (AI) 比例仍然决定了每个场景使用的 AI 比例，范围从 0% 到 100%。通用模型和前沿模型仍然可用。
Witbe首席执行官Mathieu Planche表示：“一年前，我们推出了首个视频服务智能体测试功能。如今，我们的客户已在数千台部署于现场的Witbox设备上运行我们的智能体SDK。下一步始终是模型本身。我们的模型基于在真实设备和真实环境下测试视频服务所收集的数据进行训练。这不仅能为客户带来更经济的方案，还能在场景运行时加快执行速度。”
Witbe首席运营官Yoann Hinard补充道：“我们经常被问到，专门训练的模型是否会失去通用性。答案是否定的。即使在我们的模型从未见过的应用场景中，它们的表现也与前沿模型不相上下，因为跨应用场景共存的是接口的行为方式。”
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/zixun/71680.html
