大语言模型(Large Language Model, LLM),尤其是一些预训练的深度神经网络,拥有强大的表征学习能力,不仅能学习典型的软件缺陷,还能够深度分析软件隐含的缺陷,给出风险提示和改进建议。大模型的应用,使得测试方法和流程更加智能化,且能...大语言模型(Large Language Model, LLM),尤其是一些预训练的深度神经网络,拥有强大的表征学习能力,不仅能学习典型的软件缺陷,还能够深度分析软件隐含的缺陷,给出风险提示和改进建议。大模型的应用,使得测试方法和流程更加智能化,且能够发现之前难以捕捉的复杂缺陷。航天器软件以其独特性、专业性、复杂性、高可靠性、高安全性的特点,需要通过专业的方法训练专业的大模型来满足航天嵌入式软件测试的需要。研究表明,大模型结合有效的测试方法形成的完备思维链(Chain of Thought, Cot)可以有效提高软件缺陷检出率。将测试专家的思维和大模型相结合,用专家思维链引导大模型查找软件缺陷,在提示词中增加测试专家的思维链可以有效提升软件缺陷检出效率,保证软件质量,显著提升测试团队的整体专业水平。展开更多
基金国家自然科学基金联合基金项目(U21A20485)浙江省“十四五”第二批本科省级教学改革备案项目(JGBA2024014)+2 种基金教育部产学合作协同育人项目(2501270945)2024年度浙江大学本科“AI赋能”示范课程建设项目(202424EE2501M)浙江大学第四批AI For Education系列实证教学研究项目(BKSY20251104)。
文摘大语言模型(Large Language Model, LLM),尤其是一些预训练的深度神经网络,拥有强大的表征学习能力,不仅能学习典型的软件缺陷,还能够深度分析软件隐含的缺陷,给出风险提示和改进建议。大模型的应用,使得测试方法和流程更加智能化,且能够发现之前难以捕捉的复杂缺陷。航天器软件以其独特性、专业性、复杂性、高可靠性、高安全性的特点,需要通过专业的方法训练专业的大模型来满足航天嵌入式软件测试的需要。研究表明,大模型结合有效的测试方法形成的完备思维链(Chain of Thought, Cot)可以有效提高软件缺陷检出率。将测试专家的思维和大模型相结合,用专家思维链引导大模型查找软件缺陷,在提示词中增加测试专家的思维链可以有效提升软件缺陷检出效率,保证软件质量,显著提升测试团队的整体专业水平。
