XiaoMi-AI文件搜索系统
World File Search System测试生成
如何测试生成式人工智能应用程序-...
生成式人工智能 (genAI) 市场预计将飞速增长。据彭博社报道，其增长预计将在未来 10 年内达到 1.3 万亿美元，而 2022 年的市场规模仅为 400 亿美元。1 如果 ChatGPT 的受欢迎程度可以作为参考的话，那么很容易接受预测的数字。 ChatGPT 是有史以来采用速度第二快的技术产品，在不到两个月的时间内每月活跃用户达到 1 亿。Voicebot.ai 和 Synthedia 的创始人 Bret Kinsella Voicebot.ai 和 Synthedia 表示，1.3 万亿美元的市场预测实际上可能低估了 genAI 的潜力，并表明大规模的超自动化、超创造和超个性化将带来更多价值。尽管人们对 genAI 的前景有很多猜测，但我们不可能全面了解这项技术将对所有行业产生的影响。
DirectFuzz：使用定向灰盒模糊测试自动生成 RTL 设计测试 Sadullah Canakci 1、Leila Delshadtehrani 1、Furkan Eris 1、Mic
摘要 — RTL 验证中的一个关键挑战是生成有效的测试输入。最近，RFUZZ 提出使用一种自动化软件测试技术，即灰盒模糊测试，来有效地生成测试输入，以最大限度地提高整个硬件设计的覆盖率。对于需要测试大型硬件设计的一小部分的情况，RFUZZ 方法非常耗时。在这项工作中，我们提出了一种定向测试生成机制 DirectFuzz。DirectFuzz 使用定向灰盒模糊测试生成针对模块实例的测试输入，从而实现有针对性的测试。我们的实验结果表明，在各种 RTL 设计上，DirectFuzz 覆盖目标站点的速度比 RFUZZ 快 17.5 倍（平均 2.23 倍）。索引术语 —灰盒模糊测试、RTL 验证、覆盖定向测试生成、RISC-V I. 介绍
人工智能用于软件质量保证 Blue Sky Ideas Talk
现代软件系统非常复杂，通常对外部部分（例如其他流程或服务）有多个依赖关系。这带来了新的挑战，并加剧了软件质量保证（QA）不同方面（包括测试、调试和修复）的现有挑战。本次演讲的目标是介绍一种用于软件质量保证（AI4QA）的新型 AI 范式。质量评估 AI 代理使用机器学习技术来预测编码错误可能发生的位置。然后，测试生成 AI 代理会考虑错误预测来指导自动测试生成。然后，测试执行 AI 代理执行测试，将测试传递给根本原因分析 AI 代理，后者应用自动调试算法。候选根本原因被传递给代码修复 AI 代理，该代理会尝试创建补丁来纠正孤立的错误。
人工智能在软件中的应用
软件开发的快速增长和应用程序复杂性的不断增加迫切需要高效的测试解决方案。人工智能 (AI) 已成为软件测试领域的一项变革性技术，为提高测试准确性、减少人工工作量和加速测试过程提供了潜在的解决方案。本文探讨了人工智能在软件测试中的各种应用，包括测试生成、测试执行、缺陷预测、测试优化和测试维护的增强。我们研究了在软件测试中利用机器学习 (ML)、自然语言处理 (NLP) 和深度学习等人工智能技术的好处、挑战和未来前景，并提出了将这些方法集成到测试工作流程中的最佳实践。
通过组合测试挑战自治
摘要 - 本文描述了一种称为仙人掌的输入空间建模和测试生成方法（具有组合测试的挑战性自治），该方法为自主系统创建了一系列“挑战场景”。尽管自主系统的参数空间是广泛的，但仙人掌有助于使用组合测试以及通过将专家判断到场景的制定中减少参数空间。可以在适当的测试基础结构（例如模拟器或循环测试）上执行所得场景。仙人掌可用于锻炼系统，作为获得符合ISO 21448或UL 4600等标准的努力的一部分。该方法用于生成商用自动驾驶汽车感知系统的测试方案。索引术语 - 跨越测试，输入建模，Au ossos Systems，自动驾驶汽车
监管亮点：先进技术特别版
通过技术专家、审查人员、律师和经济学家之间的合作，CFPB 能够全面审查整个信贷决策过程，包括实体使用的复杂信贷承保模型是否符合相关法律。例如，如下所述，在某些审查中，CFPB 的跨学科团队确定了潜在的替代信贷模型，这些模型似乎能够有效减少禁止的基础差异，同时保持与债权人使用的模型相当的预测准确性。如下所述，为确保遵守联邦消费者金融法，包括《平等信贷机会法案》（ECOA）4，审查人员已指示机构在适当情况下考虑一系列歧视性较小的模型，并实施这些模型以应对非法歧视的风险。例如，这包括考虑通过自动测试生成的替代模型。
人工智能和机器学习在软件测试中的作用
人工智能技术越来越多地被应用于软件测试，以提高自动化程度和效率。Eggplant AI 和 Test.ai 等工具利用人工智能来执行传统上由人类测试人员完成的任务。这些工具使用人工智能算法来生成测试用例、执行测试和分析结果，从而大大减少了测试所需的时间和精力。人工智能可以自动执行重复和平凡的测试任务，让测试人员专注于软件更复杂和更关键的方面。此外，人工智能可以通过分析历史数据和识别模式来预测潜在的故障区域，从而提高测试的准确性和有效性 (Mulla and Jayakumar, 2021)。此外，自然语言处理 (NLP) 等人工智能技术可用于理解和生成用通俗易懂的语言编写的软件需求的测试用例。这使得测试生成更加直观和高效，减少了非技术利益相关者参与测试过程的障碍 (Amershi et al., 2019)。
M3D集成电路的测试和设计解决方案的进步*
摘要 - 单石器时代3D（M3D）集成具有与基于TSV的3D堆叠相比，可以实现明显更高的设备密度。晶体管层的顺序整合可实现高密度的垂直互连，称为层间VIA（ILV）。但是，层间电介质的高积分密度和攻击性缩放使M3D集成电路特别容易处理变化和制造缺陷。我们探讨了这些制造缺陷对CHIP绩效的影响，并提出了相关的测试挑战。我们介绍了两种M3D特定的测试设计解决方案 - 一种低成本的内置自我测试架构，用于缺陷易受缺陷的ILV和一种用于屈服学习的层级故障定位方法。我们描述了缺陷对延迟故障测试的效率的影响，并在3D电源分配网络施加的约束下突出了测试生成的解决方案。
评估测试量子程序的输入和输出覆盖标准的有效性
摘要 — 量子程序实现解决复杂计算问题的量子算法。由于量子计算 (QC) 的固有特性（例如概率性质和叠加计算），测试此类程序具有挑战性。然而，需要自动化和系统化的测试来确保量子程序的正确行为。为此，我们提出了一种称为 Quito（量子输入输出覆盖）的方法，该方法由三个定义在量子程序输入和输出上的覆盖标准以及它们的测试生成策略组成。此外，我们定义了两种类型的测试预言，以及一个使用统计分析确定测试套件通过和失败的程序。为了评估这三个覆盖标准的成本效益，我们对五个量子程序进行了实验。我们使用突变分析来确定覆盖标准的有效性和测试用例数量的成本。根据突变分析的结果，我们还确定了量子程序的等效突变体。索引术语 — 量子程序、软件测试、覆盖标准、突变分析