XiaoMi-AI文件搜索系统
World File Search System测试用例
测试用例-V2H-V2B-V2G-FOR-...
2030 年能源转型目标已明确，可再生能源扩张、交通转型和供热转型正在推进。电动汽车是未来交通气候友好型转型过程和交通能源转型的关键。除了分散式可再生能源发电和热泵使用增加之外，它还给配电网带来了特殊挑战。在这里，电动汽车还可以通过单向和双向管理充电过程（特别是在配电网中）充当移动存储单元，并成为平衡电网波动的一种手段。除客运外，商用车领域的首批充电过程管理研发活动正在补贴项目及其利益相关者中开展。更大的电池和更好的规划被强调为优势。例如，在车库中，管理电动汽车车队的充电过程被归类为物业电力采购和消费系统解决方案的一个组成部分。V2G 的应用领域包括控制功率或重新调度。一些利益相关者估计，提供灵活性的潜力巨大（例如，在下午 4 点到凌晨 4 点之间的时间窗口内，正向和负向灵活性的理论潜力超过 4 GW）9 。
用于验证 CFD 代码的实验测试用例选择
根据其章程，AGARD 的使命是将北约国家在航空航天科学技术领域的领军人物聚集在一起，以实现以下目的： - 为成员国推荐有效的方式，以便利用其研究和开发能力为北约社区的共同利益服务； - 向军事委员会提供航空航天研究和开发领域（特别是在军事应用方面）的科学和技术建议和援助； - 不断促进与加强共同防御态势有关的航空航天科学进步； - 加强成员国在航空航天研究和开发方面的合作； - 交流科学和技术信息； - 向成员国提供援助，以提高其科学和技术潜力； - 应要求向其他北约国家提供科学和技术援助
用于验证 CFD 代码的实验测试用例选择
根据其章程，AGARD 的使命是将北约国家在航空航天科学技术领域的领军人物聚集在一起，以实现以下目的： - 为成员国推荐有效的方式，以便利用其研究和开发能力为北约社区的共同利益服务； - 向军事委员会提供航空航天研究和开发领域（特别是在军事应用方面）的科学和技术建议和援助； - 不断促进与加强共同防御态势有关的航空航天科学进步； - 加强成员国在航空航天研究和开发方面的合作； - 交流科学和技术信息； - 向成员国提供援助，以提高其科学和技术潜力； - 应要求向其他北约国家提供科学和技术援助
用于验证 CFD 代码的实验测试用例选择
根据其章程，AGARD 的使命是将北约国家在航空航天科学技术领域的领军人物聚集在一起，以实现以下目的： - 为成员国推荐有效的方式，以便利用其研究和开发能力为北约社区的共同利益服务； - 向军事委员会提供航空航天研究和开发领域（特别是在军事应用方面）的科学和技术建议和援助； - 不断促进与加强共同防御态势有关的航空航天科学进步； - 加强成员国在航空航天研究和开发方面的合作； - 交流科学和技术信息； - 向成员国提供援助，以提高其科学和技术潜力； - 应要求向其他北约国家提供科学和技术援助
人工智能的工程应用 - 熟练程度
检测集成测试用例之间的依赖关系在软件测试优化领域起着至关重要的作用。将测试用例分为两个主要类别 - 依赖和独立 - 可用于多种测试优化目的，例如并行测试执行、测试自动化、测试用例选择和优先级排序以及测试套件减少。由于测试用例的分布，此任务可以看作是不平衡分类问题。通常，依赖和独立测试用例的数量是不均衡的，这与测试级别、测试环境和被测系统的复杂性有关。在本研究中，我们提出了一种由两个主要步骤组成的新方法。首先，通过使用自然语言处理，我们分析测试用例的规范并将其转换为数字向量。其次，通过使用获得的数据向量，我们将每个测试用例分类为依赖类或独立类。我们采用监督学习方法，使用不同的方法来处理不平衡的数据集。在瑞典庞巴迪运输公司 (Bombardier Transportation) 的两个工业项目中评估了所提出方法的可行性和可能的推广，结果表明结果令人鼓舞。
AI驱动的测试案例生成
这项研究调查了大型语言模型用于测试案例生成的利用。该研究使用Llama提供的大型语言模型和嵌入模型，特别是7B尺寸的Llama2，以生成定义输入的测试用例。这项研究涉及一种使用称为检索产生（RAG）和及时工程的自定义技术的信息。rag是本研究中在本地存储组织信息的一种方法，该信息用于创建测试用例。除了大型语言模型已准备好培训的预训练数据外，该存储的数据被用作互补数据。通过使用此方法，实现可以收集特定的组织数据，因此对所需域有更深入的了解。该研究的目的是研究AI驱动的测试案例生成如何影响整体软件质量和开发效率。这是通过比较基于AI的系统的输出与手动创建测试用例来评估的，因为这是研究时的公司标准。AI驱动的测试用例主要以覆盖范围和时间的形式进行分析，这意味着我们比较了AI系统可以生成测试用例与手动创建的测试案例相比。同样，考虑时间来了解如何影响发展效率。
pytester：文本对...
测试驱动的开发（TDD）是一种广泛的软件开发实践，在编写实际代码之前，根据文本描述授权基于文本描述编写测试用例。虽然编写测试案例是TDD的核心，但它耗时，耗资且经常被开发人员避开。最近研究了与TDD相关的这些问题，最近已经研究了自动化测试案例生成方法。这样的方法将源代码作为输入，而不是文本描述。因此，现有工作并不完全支持TRUE TDD，因为需要实际代码来生成测试用例。此外，当前基于深度学习的测试案例生成方法接受一个学习目标的培训，即生成与地面真实测试案例完全匹配的测试用例。但是，这种方法可能会限制模型生成不同且正确测试用例的能力。在本文中，我们介绍了P Y T Ester，这是一种文本到测试的生成方法，可以自动生成句法正确，可执行，完整和e ff efffective测试用例，同时与给定的文本描述对齐。我们在公共应用程序基准数据集上评估了p y t酯，结果表明，我们的深度RL方法使小语言模型P Y t ester均超过了更大的语言模型，例如GPT3.5，StarCoder和Invoder。我们的发现表明，未来的研究可以考虑通过将SE域知识整合到强化学习体系结构的设计中来改善大于大的LMS，以提高资源。
软件单元测试覆盖率和充分性
— 语句覆盖率。在软件测试实践中，测试人员通常需要生成测试用例来执行程序中的每个语句至少一次。测试用例是测试期间执行被测程序的输入。测试集是用于测试程序的一组测试用例。执行被测程序中所有语句的要求是一项充分性标准。根据语句覆盖率标准，满足此要求的测试集被视为充分的。有时会计算已执行语句的百分比来表示测试的充分性。测试执行的语句百分比是衡量充分性的指标。— 分支覆盖率。同样，分支覆盖率标准要求在测试期间执行被测程序中的所有控制转移。测试期间执行的控制转移百分比是衡量测试充分性的指标。— 路径覆盖率。路径覆盖标准要求在测试期间执行从程序入口到出口的所有执行路径。 — 突变充分性。软件测试通常旨在检测
