大模型在软件测试中的应用论讨

作者：京东物流 张媛

1、大模型的概念

大模型是指具有大规模参数和复杂计算结构的机器学习模型。这些模型通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数。大模型的设计目的是为了提高模型的表达能力和预测性能，能够处理更加复杂的任务和数据。大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐系统等。大模型通过训练海量数据来学习复杂的模式和特征，具有更强大的泛化能力，可以对未见过的数据做出准确的预测。

ChatGPT对大模型的解释更为通俗易懂，也更体现出类似人类的归纳和思考能力：大模型本质上是一个使用海量数据训练而成的深度神经网络模型，其巨大的数据和参数规模，实现了智能的涌现，展现出类似人类的智能。

 

2、大模型应用于软件测试

1、测试左移

1.1、代码评审

目前我们公司推出的大模型工具有joycoder、Autobot、aichat.jd，以joycoder为例，该工具可以解释所选中的代码，方便测试直观读懂代码。

	1.2、生成前置测试用例

在产品需求简单直观的前提下，joycoder可以直接生成出前置的测试用例

 

 

 

2、测试过程

2.1、代码安全检查

可以通过joycoder —》神医安全检查，来初步判断代码有无安全漏洞

	2.2、代码性能检查

可以通过选中一段代码，然后在JoyCoder的对话框里输入：检测我选中的这段代码的性能，并回车

 

3、总结与展望

大模型在模型训练中，个人理解如果给它投入充分的产品文档，让其的思维方式更偏向相关产品的业务思维，在成熟后 应该是可以设计出具体需求 90% 的手工测试用例，节约出的相应时间可以用来编写自动化测试用例等工作