在今天的数字化世界中,软件测试的重要性无人能忽视。在大模型能力正在千行百业尝试创新改变行业格局的初期,作为软件测试行业领导者的Testin云测也已经开始探索将大模型技术应用到软件测试行业中了。
大模型在软件测试行业中的应用正在开启新的可能性和机遇,作为深度学习领域的一项前沿技术,大模型通过处理大规模的数据和复杂的算法来学习和适应各种复杂的测试场景,这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。
在Testin云测CTO陈冠诚看来,大模型在测试用例分析、测试需求分析、测试报告解读等文本分析领域已经可以发挥能力。“测试执行不仅需要调用大模型的多模态能力来理解测试逻辑和图像,还需要与物理世界交互操作,所以大模型暂时还不能替代人工。” 陈冠诚进一步解释道。
据了解,目前Testin云测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。但放诸垂直行业,大模型的能力还不具备,对于很多行业来说,软件测试的门槛是极高的,测试人员不仅要懂软件测试业务逻辑,还要懂行业知识。“而这些优质的专业训练数据一般都为银行、证券公司、专业软件测试公司所有,而市面上的大模型一般只能拿公开数据训练。” 陈冠诚指出了软件测试大模型的开发先要跨过训练数据这一关,而后要有行业达成共识的测试标准。在以前,软件测试主要依赖于人工进行,这样的方式既耗时又容易出错。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。
Testin云测将持续探索前沿技术在软件测试中的应用,这不仅将带动Testin云测的持续发展,也将推动整个软件测试行业的变革和进步。
虽然大模型在软件测试中的应用还在探索阶段,但我们已经看到了它带来的巨大潜力。在未来,我们期待看到更多的大模型应用案例,以及它们如何改变我们的工作和生活。我们坚信,大模型将成为软件测试行业的一个重要工具,为我们提供更多的可能性和机遇。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。