当前位置:首页 > 报告详情

Gtest_【智能测试专场】-《基于AI的遗漏用例智能推荐》龙湖千丁数科史永懋.pdf

上传人: 张** 编号:618819 2025-03-07 37页 2.57MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要介绍了2024全球软件测试技术峰会北京的相关内容,重点是AI在软件测试中的应用。史永懋,北京邮电大学硕士,龙湖集团千丁数科智慧空间研究院测试负责人,分享了他在软件测试领域的经验和见解。 核心数据: - 用户故事1737,遗漏用例数45。 - 近义词相似率0.9,近义词数量不限。 - 相似度阈值0.6,排序选择topK=3,推荐用例的故事数/全部故事数= 133/1737 = 7.66%,用户采纳的用例数量/系统推荐的用例数量= 30/149 = 20.13%。 关键点: 1. 史永懋介绍了如何通过AI技术,如关键字分析、语义分析、场景识别等,来推荐遗漏的测试用例。 2. 提出了大模型和私域知识结合的5种方法,如重新训练大模型、利用大模型进行知识检索等。 3. 阐述了RAG-Embedding的原理和应用,以及如何通过计算查询向量和文档嵌入向量之间的相似度来找到最相关的文档。 4. 讨论了如何通过大模型用例标题匹配和大模型用例场景匹配来推荐用例,并寻求在精准率和召回率之间的平衡。 总结: 本文重点探讨了AI在软件测试中的应用,如通过关键字分析、语义分析、场景识别等技术推荐遗漏的测试用例,以及如何通过大模型和私域知识的结合来提高推荐的精度和效率。同时,也提到了在实际应用中遇到的问题和挑战,如文档向量化、相似度阈值设置、需求场景分析等。
"AI如何推荐测试用例?" "大模型如何提升测试覆盖率?" "如何平衡测试用例的精准率和召回率?"
客服
商务合作
小程序
服务号
折叠