XiaoMi-AI文件搜索系统
World File Search System软件测试
自动化软件测试中的机器学习实现：评论
摘要在自动化软件测试中机器学习（ML）的集成代表了一种旨在提高测试过程效率，准确性和范围的变革性方法。本文探讨了在软件测试领域中采用ML技术的理论和实用方面，重点是关键领域，例如测试案例案例生成，缺陷预测和测试套件优化。通过全面的文献综述和案例研究，本研究说明了与ML驱动的测试方法相关的潜在益处。调查结果表明，ML可以显着降低手动干预并提高缺陷检测率，从而促进更可靠的软件交付。本文还解决了ML实施在自动测试和未来研究方向中的好处，以弥合现有差距，并进一步利用ML在软件测试中。
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)。
软件测试中的人工智能
论文专员是Etteplan Finland OY，作为论文的一部分，对该公司在芬兰，波兰和瑞典的软件测试人员进行了调查。调查总共收到了26个回复，其中大多数来自芬兰。对瑞典的调查没有回应。根据调查的结果，人工智能在软件测试中并未广泛使用。实施人工智能的最大挑战被视为缺乏与人工智能及其使用，对其利益的理解有关的知识和技能，并且尚不清楚可以使用哪些人工智能工具。一些受访者说，他们使用副驾驶，但答案中没有其他工具出现。
通过规范简化和投影测量实现更快更好的量子软件测试
作者地址：Noah H. Oldfield，Simula 研究实验室和奥斯陆大学，挪威奥斯陆，noah@simula.no； Christoph Laaber，挪威奥斯陆 Simula 研究实验室，laaber@simula.no；陶岳，挪威奥斯陆 Simula 研究实验室，taoyue@gmail.com； Shaukat Ali，挪威奥斯陆 Simula 研究实验室和奥斯陆都市大学，shaukat@simula.no。
自主驾驶系统中故障出现的错误配置软件测试
系统配置选项的优化对于确定其性能和功能性至关重要，尤其是在自动驾驶软件（ADS）系统的情况下，因为它们具有多种此类选项。广告领域的研究工作优先考虑开发了拟议的测试方法，以增强自动驾驶汽车的安全性和安全性。目前，基于搜索的方法用于在虚拟环境中测试ADS系统，从而模拟了现实世界的情况。但是，这种方法依赖于优化自我汽车和障碍的航路点，以产生触发违规的各种情况，并且没有以前的技术专注于从配置的角度优化广告。为了应对这一挑战，我们提出了一个名为Conferve的框架，这是第一个自动配置测试框架。Confve的设计着重于通过不同配置下的不同广告测试方法产生的重新违规场景出现，利用9个测试Oracles使以前的广告测试方法可以找到更多类型的违规行为，而无需修改其设计或实施，而无需修改其新颖的技术，以识别出漏洞的违法行为违规和违反违法行为和违反违法行为。我们的评估结果表明，同盟可以发现1,818条独特的违规行为，并减少74.19％的重复违规行为。
人工智能与自动化功能软件测试
本文件不构成专业建议。本文件中的信息来自普华永道私人有限公司 (PwCPL) 认为可靠的来源，但 PwCPL 并不表示这些信息准确或完整。本文件中包含的任何意见或估计均代表 PwCPL 当前的判断，如有更改，恕不另行通知。建议本出版物的读者在根据本出版物的内容采取任何行动或决定之前寻求自己的专业建议，对此他们负全部责任。PwCPL 不接受或承担对本出版物的任何读者就其中所含信息或读者可能采取或决定不采取或未能采取的任何决定的任何责任或义务。
软件测试中的生成AI
功能引入了Testagent，这是一种创新功能，旨在解决AI不会自动纠正或自我修复的问题。测试人员利用机器学习来识别功能平台内的失败测试，并主动提出潜在的问题或修复。该工具通过识别测试故障中的模式并提供可以在测试过程中直接应用的解决方案来运行。它的主要用途是解决失败的测试中的问题和解决问题，使用户能够在无需手动干预的情况下快速实施建议的修复程序。介绍的引入大大减少了破损的测试数量以及解决问题和修复它们所需的时间和精力。遗产师提供即时解决方案，因此它简化了测试过程并提高了测试维护的总体效率，从而进一步推进了AI驱动的软件测试领域。
人工智能在软件测试中的应用：第三
背景：人工智能 (AI) 方法和模型已广泛应用于支持软件开发生命周期的不同阶段，包括软件测试 (ST)。一些二手研究调查了 AI 和 ST 之间的相互作用，但将研究范围限制在特定领域或任一领域内的子领域。目标：本研究旨在探索 AI 对 ST 的整体贡献，同时确定最受欢迎的应用和未来研究方向的潜在路径。方法：我们按照完善的指导方针进行了第三项研究，以进行软件工程中的系统文献映射并回答九个研究问题。结果：我们确定并分析了 20 项相关的二手研究。分析是从公认的 AI 和 ST 分类法中抽取的，并根据它们映射选定的研究。由此产生的映射和讨论提供了有关 AI 和 ST 之间相互作用的广泛而详细的信息。结论：应用 AI 支持 ST 是一个得到广泛认可且日益受到关注的研究课题。研究人员可以利用我们研究得出的映射结果来确定未来研究的机会，实践者也可以利用该映射结果来寻找基于证据的信息，以确定在测试过程中可能采用哪种人工智能支持的技术。
