AIGC时代的测试智能创新-2024北京站_QECon全球软件质量效能大会-橙柚科技

9折票售票中

团购享更多优惠

深圳站 · 2024年5月24-25日

上海站 · 2024年9月20-21日

北京站 · 2024年10月25-26日

优惠倒计时

专场：AIGC时代的测试智能创新

随着AIGC时代的到来，测试领域在智能化方向上也迎来了一场深刻的变革。本专场将重点讨论以下方向：

1）AIGC时代下测试智能Agent的探索与畅想；

2）AIGC赋能测试分析、测试用例生成、测试代码生成等智能化场景的优秀案例与实践。期待与大家一起交流大模型在测试领域落地的实际应用场景和无限可能性，共同推动测试领域的智能Agent升级。

专场出品人：齐彦松

字节跳动用户增长测试团队负责人

历年负责过搜索、中台等业务测试和团队管理工作，拥有十余年的质量领域从业经验。现就职于字节跳动，任用户增长测试团队负责人，同时带领团队孵化多个行业领先的智能化测试技术，完成规模化推广落地。

梁业东

趣丸科技资深研发工程师

趣丸科技技术保障部的资深研发工程师，目前负责测试用例生成的开发和推广，致力于提升软件测试流程的效率和准确性。曾参与公司的容器云平台项目建设，成功实现了容器化操作的标准化和审计的统一。

待定

LLM 在功能测试用例中的应用

在功能测试用例的创建过程中，测试人员通常需要投入大量时间来仔细阅读和消化产品文档，进而将这些信息转化为具体的可执行测试用例。这一过程不仅繁琐，而且往往耗时。然而，大型语言模型（LLM）在文本理解与生成方面具有显著优势，并且具备工程化领域的先验知识。这使得LLM能够迅速把握产品功能的关键点，并高效地指导如何进行测试。通过利用LLM的这些能力，可以显著提高测试用例生成的效率和质量。

内容大纲
1. 引言

1.1 阐述LLM在软件测试领域的潜力和挑战。
2. LLM与测试场景
2.1 测试人员的工作场景
- 描述测试流程的各个阶段及其重要性。
2.2 LLM 在测试场景中的应用
- UI 测试、造数、接口用例、功能用例等
2.3 为什么先做功能测试用例生成
- 结合 LLM 的优点及功能用例生成需要的要素
3. LLM 在测试场景落地困难与挑战
3.1 不同模式对结果的影响
- 不同模式的优势和局限性
3.2 面临的挑战
- 文档结构化（文档层级、文档引用、图文结合、表格数据等）
- 大文本吞吐
- 用例覆盖度
- 记忆长度
4. 趣丸科技落地实践与经验分享
4.1 实现方案
- 从问答模式转变成工具模式的原因和优势。
4.2 实践经验
- 数据召回的方式。
- 文档层级，图文结合、数据表格处理的方式。
- 工程化与 LLM 结合，强调人在回路的作用。
4.3 成果展示
- 采纳率、有效率、时间提效等
5. 未来展望
5.1 更多落地场景
- 探讨接口测试用例，UI 功能测试

听众收益
1. 创新应用：了解LLM在软件测试中的多样化应用。
2. 问题解决：提供了针对LLM在测试用例场景中的具体解决方案和策略。
3. 实践案例：通过趣丸科技的落地实践，可以获得经过验证的实践经验。

郑天

字节跳动测试开发工程师

字节跳动用户增长团队高级测试开发工程师，目前主要负责字节跳动智能测试应用架构搭建、开发实现以及落地，如：智能风险识别、分级质量保障提效、测试用例生成、自动化用例生成等；在工程质量保障的同时实现效能提升；参与撰写智能测试相关专利4篇。毕业后在小米、字节也曾分别负责过客户端业务、服务端业务的质量保障工作。

待定

大模型驱动下的测试风险识别应用开发与实践

对需求的理解、风险的把控非常依赖质量人的经验和判断，长期以来人工的方式成本高效率低，且容易形成断层。
1. 大模型时代，大模型如何在质量保障领域应用；
2. 除了自动化外，AIGC技术还能在测试工程师哪些地方发力；
3 .基于一个应用方向，如何做好数据收集、模型训练、模型调优、应用落地。

内容大纲
1. 测试辅助应用的现状与背景
1.1 当前业内AI测试应用的现状，各类测试应用投入的收益情况分析
1.2 我们在测试应用上的探索和成果
1.3 智能测试辅助应用的重要性
2. 风险识别应用模型训练
2.1 特征筛选&数据处理
2.2 prompt工程&生成策略
2.3 高效模型选型、超参训练
2.4 大模型效果调优
3. 评测与收益
3.1 模型训练评估与评测
3.2 应用落地收益
4. 展望
4.1 全链路AI质量保障构想

听众收益
1. 了解LLM在抖音质量保障的探索和应用
2. 了解测试领域LLM模型训练方法和调优技巧