苹果为开发者减负：3 项 AI 技术可自动编写测试、修复 BUG、预测代码缺陷
快速阅读: 苹果发布三项AI研究，涵盖自动化测试、代码修复及BUG预测，显著提升软件开发效率与质量，测试准确率提升至94.8%，开发人员生产力增强。
感谢IT之家网友“对的时间点”提供的线索！10月17日消息，科技媒体Appleinsider昨日（10月16日）报道，苹果公司发布了3项AI研究成果，深入探讨了如何利用人工智能（AI）和大型语言模型（LLM）提高软件开发与测试的效率。
这些研究分别针对自动化质量工程（QE）测试、修复代码错误及预测软件缺陷，旨在解决传统手动测试耗时、成本高昂且易出错的问题。
首先，第一项研究提出了一种“智能体RAG框架”（Agentic RAG Framework），专门用于软件自动化测试。在传统模式下，质量工程师需花费30%-40%的时间手动编写测试方案和脚本。为解决这一问题，苹果设计了一个由六个专业AI智能体组成的协同系统，分别负责法规遵循、历史案例分析、测试生成等任务。该框架显著提升了测试效果：将测试准确率从65%提高到94.8%，同时将所需时间减少了85%，BUG检测率也提高了35%。
其次，第二项研究推出了一种名为“SWE-Gym”的训练环境，专门用于培养AI智能体解决实际软件工程问题。该环境集成了来自11个知名Python代码库的2438个真实GitHub问题，使AI能够在模拟环境中学习诊断并修复错误。经过训练，基于语言模型的AI智能体成功解决了72.5%的编程任务。这项研究旨在通过AI辅助提升开发人员的生产力，并为探索“人机协作”编程模式提供了新的方向。
最后，第三项研究关注于软件BUG的“事前预测”，并为此开发了名为“ADE-QVAET”的AI模型。该模型结合了自适应优化技术（ADE）与量子变分自动编码器（QVAET），通过深度学习和模式识别精确地识别高维特征中的异常。该研究的目标是利用AI实现从“被动修复”到“主动预防”的转变，从而从根本上提升软件质量。
相关参考链接：
– Agentic RAG for Software Testing with Hybrid Vector-Graph and Multi-Agent Orchestration
– Training Software Engineering Agents and Verifiers with SWE-Gym
– Software Defect Prediction using Autoencoder Transformer Model
广告声明：文中包含的对外跳转链接（包括但不限于超链接、二维码、口令等形式）用于提供更多信息，节省筛选时间，结果仅供参考。IT之家所有文章均包含此声明。
(以上内容均由Ai生成)
