近日,第十届中国国际软件质量工程(iSQE)峰会在南京召开。作为面向全球软件质量工程界的综合性峰会,本届峰会以“软件世界,质量护航,聚焦需求,赋能产业”为主题,汇聚国内外权威专家学者及知名企业精英,共同探讨全球最热门的软件质量工程方法与实践。
紫光旗下新华三集团受邀参会,并发表了关于“质量交付,千金一诺,测试过程改进之道法术器”的主题演讲。峰会期间,由新华三实施的TMMi3级认证客户——云南省农村信用社科技结算中心获得了TMMi认证卓越实践奖与TMMi认证卓越贡献奖两个重要奖项,这是对积极开展TMMi认证的组织及个人的重要表彰,也是对新华三TMMi咨询认证服务能力的高度认可。
左三:新华三实施的TMMi3级认证客户——云南省农村信用社科技结算中心获得了TMMi认证卓越实践奖与TMMi认证卓越贡献奖两个重要奖项
质量交付,千金一诺 测试过程改进之道法术器
随着软件应用的领域不断深入,设计的复杂程度逐步扩大,开发的周期不断缩短,质量的要求水涨船高,软件测试过程也面临着巨大挑战。如何在资源有限的情况下保障软件质量,提升测试效率,降低测试成本,并实现测试周期的一体化管理,是所有企业面临的共同挑战。
新华三集团技术服务部的主任评估师、TMMi基金会中国分会专家组成员李颖丽,从“道、法、术、器”四个层面,展开介绍了如何在复杂环境下进行良好的测试过程改进。
“道”是测试过程改进的理念及概念;
“法”是保证“道”落地实施的规则和方法框架;
“术”是测试的技术、实践和模型;
“器”是测试的工具和平台。
如果没有理念、方法、模型和工具,软件测试过程将无道难御,无法难治,无术难施,无器难行。
测试过程改进之“法”-TMMi
TMMi(Test Maturity Model Integration,软件质量管理能力成熟度)是当前国际上最权威的测试成熟度的评估模型。作为国内首家开展TMMi咨询认证的服务供应商,新华三已积累了大量优秀的实践案例,无论是在岗位能力建设模型,规范的测试流程,还是在测试的全生命周期、有效的度量分析等方面都具备行业领先水平,也为推动TMMi在各行业的应用起到了带头作用。
测试过程改进之“器” 精益自动化测试平台和DevOps一体化协作平台
在软件测试改进工具方面,新华三提供了精益自动化测试平台和DevOps一体化协作平台等高效测试工具:
精益自动化测试平台全面支持敏捷开发、实现测试前置、智能化测试脚本生成,支持移动应用测试和多维度测试分析报告,有效消除人为错误。DevOps一体化协作平台则构建多重交付流水线实现多级“应用交付”,同时支持跨部门协作和云端部署。
以上二者可以相辅相成,构建全生命周期的质量服务框架与一体化的测试管理平台,助力测试过程改进,实现应用的快速构建和测试验证。
明者眼见于未萌,智者避危于无形。测试过程改进只是起点,不是终点。作为数字化解决方案领导者,新华三技术服务部携资深TMMi咨询团队,凭借丰富的行业实践经验,领先的测试过程改进方法,竭诚为百行百业客户提供更优质的咨询认证服务,智领服务,护航数字未来!
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。