在信息技术日新月异的时代,软件产业蓬勃发展,对高质量软件的需求不断增加。软件测试作为确保软件质量的重要环节,对于各类软件企业来说都不可或缺。
根据中研普华研究院撰写的《2023-2028年中国软件测试行业深度分析及发展前景预测报告》显示:在软件业较发达的国家,软件测试产业已形成规模,比较发达,软件测试不仅早已成为软件开发的一个重要组成部分,而且在整个软件开发的系统工程中占据着相当大的比重。在微软公司内部,软件测试人员与软件开发人员的比例一般为1.5∶1到2.5∶1左右,即一个开发人员背后,有至少两位测试人员在工作,以保证软件产品的质量。
在以大模型技术为代表的深度学习和软件行业深度结合之后,软件测试也正在成为大模型升级改造的行业之一,大模型的应用可以使得软件测试过程能够实现更高的自动化程度和更准确的结果。
据了解,目前国内软件测试的领导者--Testin云测已经开始探索使用大模型辅助生成代码,预估软件开发效率将提升20%至30%。同时,Testin云测也正在测试评估国内、国外的开源大模型能力,尝试用大模型助力测试用例分析、测试需求分析、测试报告解读等软件测试环节,从测试的结果来看,也能达到20%至30%的效率提升。
在2023世界人工智能大会上,用大模型测试大模型的技术趋势已经开始涌现。而大模型的引入,使得我们可以通过机器自动化进行大部分的测试工作,大大提高了我们的工作效率。此外,大模型还可以帮助我们更深入、更全面地理解软件的功能和性能,从而更准确地找出可能的问题和错误。
随着软件的市场的扩大,更多的国内企业也开始认识到软件测试的重要性,软件测试行业正在向智能测试、测试服务化等方向发展,而对于大模型在软件行业的应用,更多的业内专家表示这必将是软件测试行业的未来和新的增长点。
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
香港理工大学联合多所高校开发的Mol-R1框架,首次实现了AI在分子发现中的透明推理。该系统通过PRID方法学习专家推理模式,配合MoIA迭代训练策略,不仅能准确生成分子结构,还能展示完整思考过程。相比现有模型,Mol-R1推理更简洁高效,为药物研发等领域的AI应用提供了重要的安全保障。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
蚂蚁集团AWorld团队发表突破性研究,创建动态多智能体协作系统解决AI稳定性难题。研究灵感来源于船舶导航,通过执行智能体和守护智能体的协作机制,在GAIA测试中准确率达67.89%,稳定性提升17.3%,荣登开源项目排行榜第一名。该系统为构建可靠智能系统开辟新路径,具有广阔应用前景。