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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。