近日,软通动 力通过国际软件测试成熟度模型集成(TMMi)3级认证。这是继获得CMMI5级之后,软通动力在软件工程领域获得的又一个能力成熟度认证。
顺利通过正式评估 软通动力获TMMi3级认证
随着数字化时代来临,智能化浪潮席卷全球,计算机技术的应用越来越普遍,而伴随着工程、技术的高速发展,软件开发技术快速迭代,对软件复杂性和可靠性的要求也逐步提升。作为软件质量保障过程中的重要环节,软件测试工作越来越受到重视。软通动力一直注重专业能力建设和专业化队伍培养,在测试领域积累了丰富的工程实践经验和完整的工程实施方法论,以专业的技术方法和标准化的服务流程为各行业客户提供稳定可靠的优质服务。
TMMi是目前世界领先和权威的测试过程改进模型,帮助组织持续改进测试成熟水平,其认证体系是软件产品质量管理水平最有力的资质证明。 软通动力本次TMMi3级认证工作,先后历经培训与宣贯、体系优化、项目试点、完善推广、预评估与正式评估等实施阶段,来自集团项目与质量管理部、事业群各相关部门等多位实施管理者和项目骨干组成了测试过程改进小组(TEPG),多个项目组作为试点参加实践,在各部门的共同协作下,最终软通动力于2020年12月顺利通过正式认证评估。
获CMMI与TMMi双认证 软件与数字技术服务能力进一步提升
CMMI与TMMi以成熟度识别组织的工程技术和组织管理能力,覆盖整个软件开发生命周期。作为CMMI的互补模型,TMMi对CMMI的验证、确认两个过程域做了大量细化和补充。CMMI关注软件开发生命周期的全过程,TMMi则侧重测试过程,是测试组织的成熟度评估。TMMi结合CMMI一同进行实施,能够支持组织完善和改进自身的研发过程与工程管理体系,在产品质量、效率、生产率和可预测性等方面获得收益。
软通动力以CMMI和TMMi等软件研发、测试领域能力成熟度模型为基础,建立了覆盖软件全生命周期的专业工程管理体系,有效提高了软件工程能力和信息安全管理能力。此次成功通过 TMMi3级认证,标志着软通动力在软件工程过程、质量管理和体系融合上具备较强的能力,已经实现了 与国际主流技术和管理要求的接轨,同时也体现了在 软件测试领域的核心竞争力进一步增强。
未来,在两项国际化认证的技术能力支持下,软通动力将持续为客户提供软件与数字技术服务和数字化运营服务,满足客户对软件产品的各种需要,为客户实现数字化转型与智能化升级提供助力。
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。