发起人： 齐彦松/朱少民
发起人： 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。
朱少民｜QECon发起人 CCF杰出会员 《软件工程3.0》作者
同济大学特聘教授、CCF杰出会员、CCF 质量工程SIG主席、软件绿色联盟标准评测组组长，拥有个人公众号 “软件质量报道”。先后获得多项科技进步奖，出版了二十多部著作和4本译作，其代表作有：《全程软件测试》、《敏捷测试：以持续测试促进持续交付》、《软件测试方法和技术》、《软件质量保证与管理》等。经常作为大会联席主席、论坛主席或专场出品人、演讲嘉宾等出席国内技术大会，曾任IEEE ICST 2019工业论坛主席、多个软件测试国际学术会议程序委员、思科（中国）软件有限公司QA高级总监等。
待定
待定
QETalk闭门会：破解大模型软件测试难题
研讨会话题：
1. 单元测试用例生成有哪些坑？借助大模型会有多大实质性改进?
2. GenAl用于API测试用例生成有哪些成熟的实践?
3. 测试域训练数据质量普遍比较低，大模型给我们什么新的启示?
4. 今天“推理模型+深度搜索”对程序语义的理解更加深刻，是否能解决测试断言（Test Oracle）问题？
5. 在复杂业务逻辑中，有哪些技术手段可以提升大模型对业务的理解，从而确保生成的测试用例具有足够的准确性和有效性？
6. 当测试人员可能会依赖自动化生成内容时，我们如何保证测试的质量？
7. 测试AI能力对业务RAG知识的依赖较多，实践中有哪些好的业务RAG知识库建设标准或者规范？
8. 测试团队或测试人员，如何应对智能测试转型的挑战？
1. 单元测试用例生成有哪些坑？借助大模型会有多大实质性改进?
2. GenAl用于API测试用例生成有哪些成熟的实践?
3. 测试域训练数据质量普遍比较低，大模型给我们什么新的启示?
4. 今天“推理模型+深度搜索”对程序语义的理解更加深刻，是否能解决测试断言（Test Oracle）问题？
5. 在复杂业务逻辑中，有哪些技术手段可以提升大模型对业务的理解，从而确保生成的测试用例具有足够的准确性和有效性？
6. 当测试人员可能会依赖自动化生成内容时，我们如何保证测试的质量？
7. 测试AI能力对业务RAG知识的依赖较多，实践中有哪些好的业务RAG知识库建设标准或者规范？
8. 测试团队或测试人员，如何应对智能测试转型的挑战？
关注QECon公众号
议题投稿
lijie@qecon.net
商务合作
151-2264-3988 木子
票务联系
135-2067-8913 郭梦媛
媒体合作
135-1619-6409 皮皮
添加QECon小助手，获取
会议最新资讯
购票咨询
13520678913 郭梦媛
