2025-10-17 12:39:06
感谢亚汇网网友这些研究分别聚焦于自动化质量工程（QE）测试、修复代码错误以及预测软件缺陷，旨在解决传统手动测试耗时、昂贵且易出错的痛点。一、AgenticRAGFramework第一项研究提出了一个“智能体RAG框架”（AgenticRAGFramework），专门用于软件自动化测试。传统模式下，质量工程师需要花费30-40%的时间手动编写测试方案和脚本。为解决此问题，苹果设计了一个由六个专业AI智能体组成的协同系统，分别负责法规遵从、历史案例分析、测试生成等任务。该框架取得了显著成效：不仅将测试准确率从65%提升至94.8%，还将所需时间大幅缩短了85%，同时BUG检测率也提高了35%。二、SWE-Gym第二项研究则推出了一个名为“SWE-Gym”的训练环境，专门用于培养AI智能体解决真实世界的软件工程问题。该环境整合了来自11个知名Python代码库的2438个真实GitHub问题，让AI在模拟环境中学习诊断并修复错误。经过训练，基于语言模型的AI智能体成功解决了72.5%的编程任务。这项研究旨在通过AI辅助提升开发人员的生产力，并为探索“人机协作”编程模式提供了新方向。三、ADE-QVAET第三项研究聚焦于软件BUG的“事前预测”，并为此开发了名为“ADE-QVAET”的AI模型。它结合了自适应优化技术（ADE）与量子变分自动编码器（QVAET），通过深度学习和模式识别来精准定位高维特征中的异常。该研究的目标是利用AI从“被动修复”转向“主动预防”，从根本上提升软件质量。亚汇网附上参考地址广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，亚汇网所有文章均包含本声明。
您正在访问亚汇网香港分站，本站所提供的内容均遵守中华人民共和国香港特别行政区法律法规。
