蘋果公司近日在人工智能領(lǐng)域取得重要突破，公布三項(xiàng)創(chuàng)新研究成果，聚焦通過AI與大語言模型（LLM）技術(shù)革新軟件開發(fā)與測試流程。這些研究針對傳統(tǒng)手動測試效率低、成本高、易出錯(cuò)的痛點(diǎn)，提出了自動化解決方案，涵蓋測試方案生成、代碼錯(cuò)誤修復(fù)及軟件缺陷預(yù)測三大方向。
在自動化質(zhì)量工程測試領(lǐng)域，蘋果開發(fā)了“智能體RAG框架”（Agentic RAG framework）。該系統(tǒng)由六個(gè)專業(yè)AI智能體協(xié)同工作，分別承擔(dān)法規(guī)合規(guī)審查、歷史案例分析、測試方案生成等任務(wù)。實(shí)驗(yàn)數(shù)據(jù)顯示，這一框架將測試準(zhǔn)確率從65%提升至94.8%，測試時(shí)間縮短85%，同時(shí)BUG檢測率提高35%。傳統(tǒng)模式下質(zhì)量工程師需花費(fèi)30%-40%時(shí)間編寫測試腳本的問題得到顯著改善。
針對代碼錯(cuò)誤修復(fù)難題，研究團(tuán)隊(duì)推出“SWE-Gym”訓(xùn)練環(huán)境。該平臺整合了11個(gè)主流Python代碼庫的2438個(gè)真實(shí)GitHub問題，通過模擬真實(shí)開發(fā)場景訓(xùn)練AI智能體。經(jīng)過大量實(shí)踐，基于語言模型的AI成功解決了72.5%的編程任務(wù)。這項(xiàng)成果不僅提升了開發(fā)者效率，更為人機(jī)協(xié)作編程模式開辟了新路徑。
在軟件缺陷預(yù)測方面，蘋果研發(fā)的“ADE-QVAET”模型采用自適應(yīng)優(yōu)化技術(shù)與量子變分自動編碼器結(jié)合的創(chuàng)新架構(gòu)。該模型通過深度學(xué)習(xí)分析高維特征數(shù)據(jù)，能夠精準(zhǔn)識別潛在異常。研究團(tuán)隊(duì)表示，這項(xiàng)技術(shù)將推動軟件開發(fā)從“事后修復(fù)”向“事前預(yù)防”轉(zhuǎn)變，從根本上提升軟件質(zhì)量可靠性。
