使用AI智能自动生成测试代码
最编程
2024-07-31 13:54:43
...
脑洞
短短3天,写了这么多代码,很像是一种体力劳动。各种集成式工具的诞生,让现在的AI门槛已经降低了不少。写的这些测试代码,其实都有一定模式的,如何才能让这种模式,变成自动生成呢。预期能够节省1半工作量,那也是 很牛逼的很开心的
吐槽一下
这些测试用例本身有价值吗?当然是有的,但是to be frank,价值不高。因为测试用例的价值,完全依赖于被测系统的价值。详细的说,如果是被测的对象是航空,医疗类,那么测试用例必须重要。换句话说,我们99%的一般的公司的系统没有那么看重质量,所以测试用例的价值会大打折扣。如果完全没有自动化用例,也不现实。手工回归也是累死个人。
期待未来
起点在哪里呢?先学学ML吧,发出了尴尬而不失礼貌的微笑, hiahia
话说回来,正是因为有了吐槽,才有了前进的动力。毕竟这个社会的进步,都是由“懒人”推动的
推荐阅读
-
【摩尔线程+Colossal-AI强强联手】MusaBert登上CLUE榜单TOP10:技术细节揭秘 - 技术实力:摩尔线程凭借"软硬兼备"的技术底蕴,让MusaBert得以从底层优化到顶层。其内置多功能GPU配备AI加速和并行计算模块,提供了全面的AI与科学计算支持,为AI推理和低资源条件下的大模型训练等场景带来了高效、经济且环保的算力。 - 算法层面亮点:依托Colossal-AI AI大模型开发系统,MusaBert在训练过程中展现出了卓越的并行性能与易用性,特别在预处理阶段对DataLoader进行了优化,适应低资源环境高效处理海量数据。同时,通过精细的建模优化、领域内数据增强以及Adan优化器等手段,挖掘和展示了预训练语言模型出色的语义理解潜力。基于MusaBert,摩尔线程自主研发的MusaSim通过对比学习方法微调,结合百万对标注数据,MusaSim在多个任务如语义相似度、意图识别和情绪分析中均表现出色。 - 数据资源丰富:MusaBert除了自家高质量语义相似数据外,还融合了悟道开源200GB数据、CLUE社区80GB数据,以及浪潮公司提供的1TB高质量数据,保证模型即便在较小规模下仍具备良好性能。 当前,MusaBert已成功应用于摩尔线程的智能客服与数字人项目,并广泛服务于语义相似度、情绪识别、阅读理解与声韵识别等领域。为了降低大模型开发和应用难度,MusaBert及其相关高质量模型代码已在Colossal-AI仓库开源,可快速训练优质中文BERT模型。同时,通过摩尔线程与潞晨科技的深度合作,仅需一张多功能GPU单卡便能高效训练MusaBert或更大规模的GPT2模型,显著降低预训练成本,进一步推动双方在低资源大模型训练领域的共享目标。 MusaBert荣登CLUE榜单TOP10,象征着摩尔线程与潞晨科技联合研发团队在中文预训练研究领域的领先地位。展望未来,双方将携手探索更大规模的自然语言模型研究,充分运用上游数据资源,产出更为强大的模型并开源。持续强化在摩尔线程多功能GPU上的大模型训练能力,特别是在消费级显卡等低资源环境下,致力于降低使用大模型训练的门槛与成本,推动人工智能更加普惠。而潞晨科技作为重要合作伙伴,将继续发挥关键作用。
-
自动编程神器:这类工具借助AI力量,轻松协助或完成软件开发中编码工作。它们运用机器学习和语言理解技巧,能根据开发者需求直接生成所需的源代码,常见的一些例子包括...
-
推荐热门的人工智能代码自动生成工具
-
智能代码自动生成助手
-
实战探索:从AI代码自动生成模型到AI编程助手的运用之旅
-
智能代码自动生成工具:AI-Code-Convert
-
AI自动生成代码能缓解代码混乱的大麻烦吗?
-
AI自动生成Java代码:智能编程的自动化解决方案
-
AI自动生成JAVA代码:智能编码助手
-
自动编程助手:Github Copilot的AI代码生成功能