近年来,随着深度学习技术的飞速发展,基于大规模预训练的语言模型(large language model, LLM)在自然语言处理领域取得了前所未有的突破,并且在代码生成、软件测试、程序分析与优化等软件工程任务中展现出强大的潜力与广泛的应用前景....近年来,随着深度学习技术的飞速发展,基于大规模预训练的语言模型(large language model, LLM)在自然语言处理领域取得了前所未有的突破,并且在代码生成、软件测试、程序分析与优化等软件工程任务中展现出强大的潜力与广泛的应用前景.作为具备深度语义理解与生成能力的通用人工智能模型,大语言模型的崛起正在重新定义传统的软件质量保障方法,为软件工程的自动化和智能化注入了新的活力.同时,软件质量保障作为确保软件系统在功能性、性能、可靠性和安全性等方面满足设计规范和用户期望的关键环节,其传统方法难以适应现代软件系统日益增长的规模与复杂性.特别是在开源软件、企业级应用和芯片设计程序等高度复杂的应用场景中,传统方法的自动化与智能化程度难以满足实际需求.展开更多
文摘近年来,随着深度学习技术的飞速发展,基于大规模预训练的语言模型(large language model, LLM)在自然语言处理领域取得了前所未有的突破,并且在代码生成、软件测试、程序分析与优化等软件工程任务中展现出强大的潜力与广泛的应用前景.作为具备深度语义理解与生成能力的通用人工智能模型,大语言模型的崛起正在重新定义传统的软件质量保障方法,为软件工程的自动化和智能化注入了新的活力.同时,软件质量保障作为确保软件系统在功能性、性能、可靠性和安全性等方面满足设计规范和用户期望的关键环节,其传统方法难以适应现代软件系统日益增长的规模与复杂性.特别是在开源软件、企业级应用和芯片设计程序等高度复杂的应用场景中,传统方法的自动化与智能化程度难以满足实际需求.
