基于变异的多智能体测试用例更新方法
针对CI/CD下代码变更使既有测试用例失效的问题,提出基于变异的多智能体测试用例更新方法。 指出近期基于大语言模型的测试更新方法依赖执行反馈与精确匹配上下文检索,优先保证可执行性与行覆盖率。
针对CI/CD下代码变更使既有测试用例失效的问题,提出基于变异的多智能体测试用例更新方法。 指出近期基于大语言模型的测试更新方法依赖执行反馈与精确匹配上下文检索,优先保证可执行性与行覆盖率。
该文为结构化综述加比较案例分析,提示金融专用大语言模型在领域知识组织、异构输入协调与全生命周期治理上存在实质差异;但作者明确说明案例仅用于示例框架,未验证框架,也未确立独立观测的生产性能,故属提示性而非证据支持的结论。 设计为遵循PRISMA的结构化综述,纳入67项研究,主要为2
结论:该文提示,使用小语言模型(SLMs)为表格数据分类任务选择与生成特征,在两个常用表格数据集的多分类任务中取得最高F1分数0.383与0.848;方向为方法可行性提示,非普遍优越性结论。 研究设计与做法:提出一种利用小语言模型为机器学习分类任务中的表格数据集选择与生成特征的方