LLM赋能下全程质量管理-2025深圳站_QECon全球软件质量效能大会-橙柚科技

优惠倒计时

9折票抢购中

团购享受更多优惠

北京站 · 10月31-11月1日

上海站 · 9月12-13日

深圳站 · 5月23-24日

专场：LLM赋能下全程质量管理

专场聚焦于探讨：如何借助大规模语言模型（Large Language Model，LLM）技术对企业的全流程质量管理体系进行赋能和优化。本专场将深入剖析包含但不限于“质量数据工程化构建、质量管控流程智能化升级、实时质量过程监控与告警、基于AI的智能决策支持”等核心话题，旨在探讨如何将大规模语言模型技术融入传统质量管理全过程，从而实现质量管理水平的全面提升及企业核心竞争力的持续稳固。

专场出品人：过一峰

小米手机软件质量信息化负责人

15年从业经历，负责小米手机业务的项目交付质量管理，用户质量管理，过程质量管理的数智化转型工作。建设数据仓库，质量看板，AI智能助手等数智化产品。通过推动质量管理活动信息化、数字化、智能化升级，提高产品和服务质量，促进产品和组织的高质量发展。

黄晓晴（花名：诗咏）

阿里巴巴淘天集团测试开发工程师

目前主要负责用户营销场景的质量保障工作，负责用户营销业务AI资损专项。

待定

基于LLM的资损风险场景推荐实践

目前工作中涉及资损相关场景甚多，若需求涉及资损，需要上线前完成资损布控。尽管测试流程缜密规范，但仍存在百密一疏的情况。如主动发现率不达标、经验不足导致打标出错或风险场景布控遗漏等诸多问题。基于此，探索通过LLM辅助需求打标，以及资损风险点推荐，力求变更阶段有效预知资损风险场景，并且降低测试经验不足导致资损打标误判的比率、提升有效资损场景覆盖

内容大纲
1. 当前困境
2. 问题定义及技术预研
3. 可行性方案设计和分析
3.1 产品方案设计
3.2 技术方案设计
4. 项目挑战和策略
4.1 挑战1：解决策略
4.2 挑战2：解决策略
4.3 挑战3：解决策略
5. 项目结果和沉淀
5.1 核心突破和业务效果
6. 未来展望
6.1 产品功能完善
6.2 模型准确率提升

听众收益
针对电商领域质量保障、质量管理同学，该分享可以提供高风险资损业务场景下的解决思路，并通过分享中的实际问题，规避必然存在的坑，提升复用效率。

方佳璐

杭银消费金融风控数据质量负责人

《Software Testing with Generative AI》译者，目前担任杭银消费金融有限公司风控数据质量团队负责人，主要负责金融信贷、风控及大数据领域的质量保障工作，并主导测试技术创新的研究与应用。毕业于浙江大学计算机学院，硕士学位。曾在华为和阿里巴巴负责质量保障相关工作，在电商和金融领域积累了丰富的业务质量保障和提效工具研发经验。

待定

LLM赋能消费金融风控质量保障体系建设

本次分享将重点探讨如何将AI技术与传统测试方法相结合，以提升测试质量和效能，并深入分析AI在金融信贷风险管理领域质效提升的最佳实践。旨在启发大家如何合理运用大模型提升测试质量，并深入探讨人类与AI协作的方式，推动金融领域的科技创新，帮助团队在测试工作中实现质的飞跃。

内容大纲
1. 基于风险特征的质量保障体系建设
1.1 日常高效测试体系建设
1.2 过程效能建设
1.3 生产环境质量防护网
2. LLM驱动的质量保障范式革新
2.1 LLM赋能质量保障体系建设
2.2 消费金融典型场景实践
3. 思维模式转变：传统与AI的协同演进

听众收益
生成式AI在软件测试应用的方法论以及它在金融信贷风险管理领域的实践。

张加浪

腾讯 TEG 资深AIOps工程师

多年一直从事AIOps相关研究和建设工作。目前主要负责腾讯安全大模型运营提效，从0到1实现业务场景大模型运营能力（包括智能感知、智能根因分析等）。原腾讯云智能监控商业化负责人，负责服务开发与布道，且支撑过腾讯会议、QQ空间和腾讯云等上百个内部产品的监控保障。

待定

大模型驱动运营提效：智能异常感知与根因分析实践

1. 质量管理智能化转型趋势：传统质量管理强依赖专家经验，可控性差、灵活性底。质量管理需向数字化、智能化方向转变。
2. 大模型智能提效：利用大模型将大量的数据，包括历史告警信息、质量问题案例、生产过程等做研判，使其能够自动发现数据中的模式和规律，从而实现质量智能运营提效。

内容大纲
1. 质量管理现状
1.1 传统质量管理方案
1.2 质量管理主要矛盾
2. 大模型带来的机遇
2.1 大模型的崛起
2.2 为质量管理赋能的场景
3. 大模型应用研究与实践
3.1 智能运营提效
3.2 智能告警降噪
3.3 智能根因分析
4. 未来展望与探索
4.1 质量全链路智能管理