লাভ:
- কোথায় কৃত্রিম বুদ্ধিমত্তা QA প্রক্রিয়ায় প্রকৃত সময় বাঁচায় এবং কোথায় 'প্রকাশনের জন্য প্রস্তুত'-এর মতো গুণগত সিদ্ধান্তগুলি মানুষের হাতে ছেড়ে দেওয়া হয় তা পার্থক্য করতে সক্ষম হওয়া, টাস্ক ঝুঁকির স্তরের উপর নির্ভর করে
- মিথ্যা পাসের ঝুঁকি চিনতে এবং ইচ্ছাকৃতভাবে কোড ভঙ্গ করে প্রতিটি AI পরীক্ষা পরীক্ষা করে এমন একটি যাচাইকরণ শৃঙ্খলা প্রয়োগ করার ক্ষমতা
- পরীক্ষার ডেটা, ব্যক্তিগত ডেটা এবং কীগুলি রক্ষা করার ক্ষমতা এবং শুধুমাত্র অনুমোদনের মধ্যে এবং প্রতিরক্ষামূলক উদ্দেশ্যে নিরাপত্তা পরীক্ষা করার অভ্যাস অর্জন করা।
একটি মুক্তির রাত বিবেচনা করুন। শত শত পরীক্ষা চালানো হয়েছিল, তারা সবাই সবুজ আলো পেয়েছে, দলটি স্বস্তি পেয়েছে এবং সফ্টওয়্যারটি লাইভ হয়েছে। পরের দিন সকালে, গ্রাহক রিপোর্ট করেন যে পেমেন্ট স্ক্রিন ক্র্যাশ হয়েছে। পরীক্ষাগুলি সবুজ ছিল কিন্তু তিনি ত্রুটি দেখতে পাননি। এটি হল মানের নিশ্চয়তা (QA) পেশার সবচেয়ে ছলনাময় দুঃস্বপ্ন, অর্থাৎ, নিয়মতান্ত্রিকভাবে নিশ্চিত করে যে সফ্টওয়্যারটি পছন্দসই মানের: পরীক্ষা যা সবুজ দেখায় কিন্তু আসলে কিছুই নিশ্চিত করে না। যখন কৃত্রিম বুদ্ধিমত্তা (AI — সফ্টওয়্যার যা ঐতিহাসিক ডেটা থেকে প্যাটার্ন বের করে এবং টেক্সট এবং কোড তৈরি করে) এই পেশায় প্রবেশ করে, তখন এই দুঃস্বপ্নের একটি বিশাল ত্বরণ এবং একটি বিবর্ধন উভয়ই হয়। এই মডিউলের প্রাথমিক প্রতিশ্রুতি স্পষ্ট: AI হল একটি টেস্টিং সহকারী, ব্লুপ্রিন্ট জেনারেটর এবং ধারণা গুণক; আপনি সেই পরীক্ষক যিনি "কি এই সফ্টওয়্যারটি মুক্তির জন্য প্রস্তুত" সিদ্ধান্তে স্বাক্ষর করেন৷
এই প্রথম ইউনিটে আমরা শৃঙ্খলার উপর ফোকাস করব, টুল নয়। QA প্রক্রিয়ায় AI কোথায় রিয়েল টাইম সাশ্রয় করে, কোথায় এটি বিপজ্জনক, কেন প্রতারণামূলক সবুজ তথাকথিত "ফলস-পাস" সবচেয়ে বড় ঝুঁকি, প্রতিটি আউটপুট কীভাবে যাচাই করতে হয় এবং কোন টুলে আপনি কী ডেটা দিতে পারেন তা আপনি শিখবেন। এই ভিত্তি স্থাপন ব্যতীত, পরবর্তী ইউনিটগুলি বাতাসে থাকবে।
পরীক্ষার প্রক্রিয়ায় AI কোথায় কাজে আসে?
পরীক্ষামূলক কাজগুলোকে দুটি বড় ক্লাস্টারে ভাগ করা যাক। প্রথম ক্লাস্টার: পুনরাবৃত্তিমূলক, উৎপাদনযোগ্য, খসড়া কাজ। একটি প্রয়োজন থেকে একটি পরীক্ষার কেস খসড়া করা, ব্রেকপয়েন্ট তালিকা করা, একটি স্ক্রিনের জন্য একটি অটোমেশন কোড কঙ্কাল লেখা, একটি জটিল ত্রুটির কেস একটি ঝরঝরে ত্রুটি প্রতিবেদনে অনুবাদ করা, লগ ফাইলের শত শত লাইনের সংক্ষিপ্তকরণ, একটি API প্রতিক্রিয়া থেকে একটি স্কিমা বের করা। এই কাজগুলিতে, AI মিনিট থেকে সেকেন্ড কমিয়ে দেয় এবং ক্লান্ত হয় না।
দ্বিতীয় ক্লাস্টার: সিদ্ধান্ত যার ফলাফল গুণমান, বিশ্বাস এবং দায়িত্ব। "এই সংস্করণটি কি লাইভ হতে পারে", "এই বাগটি কি গুরুতর নাকি এটি স্থগিত করা যেতে পারে", "এই পরীক্ষার কভারেজ কি যথেষ্ট", "এই দৃশ্যটি কি প্রকৃত ব্যবহারকারীর ঝুঁকি ক্যাপচার করে" ইত্যাদির মতো সিদ্ধান্তের জন্য প্রসঙ্গ, পণ্যের জ্ঞান এবং দায়িত্ব প্রয়োজন। এখানে AI বিকল্প, খসড়া তৈরি করে — কিন্তু আপনি সিদ্ধান্ত নেন “পাস/ফেল” এবং “গো/নো গো”।
আসুন একটি বাক্যে পার্থক্যটি স্পষ্ট করা যাক: AI "কী পরিস্থিতিতে পরীক্ষা করা যায় এবং কীভাবে এটি পরীক্ষা করে এমন কোড লিখতে হয়" এ শক্তিশালী; "এই সফ্টওয়্যারটি কি সত্যিই কাজ করে এবং কে এটির জন্য সমর্থন করে?" প্রশ্নটি আসে তখন সিদ্ধান্তটি আপনার।
টিপ: AI-তে একটি কাজ হস্তান্তর করার আগে, জিজ্ঞাসা করুন: "এই আউটপুটটি ভুল হলে এবং আমি লক্ষ্য না করলে কী হবে?" যদি উত্তর হয় "আমি কয়েক মিনিট হারাবো", সহজেই প্রতিনিধি। যদি উত্তরটি হয় "ত্রুটিপূর্ণ সফ্টওয়্যার লাইভ হয়", তাহলে এআইকে খসড়া তৈরি করতে দিন এবং আপনি সিদ্ধান্ত এবং যাচাইকরণ করবেন।
মিথ্যা পাস: QA তে AI এর এক নম্বর ঝুঁকি৷
যখন একটি পরীক্ষা সবুজ রঙে আলোকিত হয়, তখন এর অর্থ দুটি জিনিস হতে পারে: হয় সফ্টওয়্যারটি আসলে সঠিকভাবে কাজ করছে, অথবা এটি বাগটি দেখছে না কারণ পরীক্ষাটি ভুলভাবে লেখা হয়েছে৷ দ্বিতীয়টিকে একটি মিথ্যা পাস বলা হয় — পরীক্ষাটি "পাস" বলে কিন্তু আসলে কিছুই নিশ্চিত করে না। AI দিয়ে উত্পাদিত পরীক্ষাগুলিতে এই ঝুঁকি উল্লেখযোগ্যভাবে বৃদ্ধি পায়, কারণ AI সাবলীল, মসৃণ চেহারার কিন্তু খালি পরীক্ষা লিখতে খুব সফল।
ছদ্ম-পাসের তিনটি সবচেয়ে সাধারণ রূপ হল: (1) দাবী ছাড়াই পরীক্ষা করা — কোড চলে, কোনো দাবী নেই, সর্বদা পাস হয়। (2) স্ব-যাচাই পরীক্ষা - পরীক্ষার প্রত্যাশিত মান পরীক্ষার অধীনে কোডের আউটপুট থেকে গণনা করা হয়; অর্থাৎ, কোড যা কিছু তৈরি করে, পরীক্ষাটি "সঠিক" হিসাবে গ্রহণ করে। (3) পরীক্ষা যা ভুল জিনিস যাচাই করে — দাবী বিদ্যমান, কিন্তু এটি তুচ্ছ কিছু পরীক্ষা করে (যেমন "প্রতিক্রিয়া শূন্য নয়"), প্রকৃত ব্যবসার নিয়ম নয়।
সতর্কতা: একটি সবুজ পরীক্ষা প্যানেল মানের প্রমাণ নয়; সর্বোত্তমভাবে এটি বলে "আমরা যে নিয়ন্ত্রণগুলি লিখেছি সেগুলি এখন ভাঙ্গা হয়নি"। এআই যে পরীক্ষাটি তৈরি করে তাতে "পাস" দেখে সান্ত্বনা পাবেন না - আসল প্রশ্নটি হল: যদি আমি ইচ্ছাকৃতভাবে কোডটি ভঙ্গ করি তবে এই পরীক্ষাটি কি লাল হয়ে যাবে? যদি এটি ঘোরানো না হয়, সেই পরীক্ষাটি একটি সজ্জা।
সুবর্ণ নিয়ম যা এই মডিউল জুড়ে পুনরাবৃত্তি হয়: ইচ্ছাকৃতভাবে কোডটি ভেঙে প্রতিটি AI পরীক্ষা পরীক্ষা করুন। যদি পরীক্ষাটি এখনও সবুজ হয় তবে সেই পরীক্ষাটি কাজ করছে না। (আমরা ইউনিট 10 এ মিউটেশন টেস্টিং হিসাবে এই ধারণাটিকে আরও গভীর করব।)
যাচাইকরণ শৃঙ্খলা: তিনটি ধাপ
AI আত্মবিশ্বাসের সাথে কথা বলে; তার মানে এই নয় যে এটা সত্য। প্রতিটি ফলাফলে প্রয়োগ করার জন্য একটি তিন-পদক্ষেপের প্রতিচ্ছবি বিকাশ করুন:
- প্রয়োজনে বেঁধে দিন। প্রতিটি টেস্ট কেস এবং দাবি করে যে AI উত্পাদন অবশ্যই একটি বাস্তব প্রয়োজনীয়তা বা গ্রহণযোগ্যতার মানদণ্ডের উপর ভিত্তি করে হতে হবে (যে শর্তগুলি একটি চাকরিকে "সম্পন্ন" হিসাবে বিবেচনা করার জন্য অবশ্যই পূরণ করতে হবে)। "এই দৃশ্যটি কোন নিয়ম নিশ্চিত করে?" জিজ্ঞাসা
- লাল দেখুন। কোডটি ভেঙ্গে একবার জেনারেট করা পরীক্ষাটি চালান। যদি এটি লাল না হয় তবে পরীক্ষাটি অবৈধ। এটি এআই পরীক্ষার অ-আলোচনাযোগ্য পদক্ষেপ।
- প্রসঙ্গ ফিল্টার মাধ্যমে এটি পাস. আপনি পণ্য আচরণ, স্থাপত্য, প্রকৃত ব্যবহারকারী প্রবাহ কি জানেন আউটপুট মেলে? আপনার ডোমেন জ্ঞান চূড়ান্ত ফিল্টার.
ডেটা গোপনীয়তা এবং নিরাপত্তা: কি কোথায় যায়?
পরীক্ষার পরিবেশে আপনি যে ডেটা নিয়ে কাজ করেন তা প্রায়শই সংবেদনশীল হয়: প্রকৃত গ্রাহক রেকর্ড, উত্পাদন ডাটাবেস কপি, API কী, অভ্যন্তরীণ সিস্টেম ঠিকানা, এখনও ঘোষণা করা বৈশিষ্ট্যগুলি। একটি সাধারণ শ্রেণিবিন্যাস করুন: খোলা ডেটা (নথিভুক্ত, সর্বজনীনভাবে উপলব্ধ) যে কোনও গাড়িতে প্রবেশ করতে পারে। অভ্যন্তরীণ ডেটা (সোর্স কোডের টুকরো, অভ্যন্তরীণ ডকুমেন্টেশন) শুধুমাত্র এজেন্সি-অনুমোদিত সরঞ্জামগুলিতে। গোপনীয় তথ্য (আসল গ্রাহকের তথ্য, পরিচয়ের তথ্য, দুর্বলতার বিবরণ, কী) শুধুমাত্র প্রতিষ্ঠানের চুক্তিবদ্ধ সরঞ্জামগুলিতে প্রবেশ করে, যার ডেটা মডেল প্রশিক্ষণে যায় না, বিশেষত মুখোশযুক্ত।
নিরাপত্তা পরীক্ষার পরিপ্রেক্ষিতে একটি অতিরিক্ত সীমা রয়েছে: এই মডিউলে যা কিছু শেখা হয়েছে তা প্রতিরক্ষামূলক উদ্দেশ্যে — আপনার নিজের পণ্যের নিরাপত্তাকে প্রামাণিকভাবে পরীক্ষা করার জন্য। অনুমতি ছাড়া অন্য কারো সিস্টেমে অনুপ্রবেশ করার জন্য AI ব্যবহার করা, প্রকৃত দুর্বলতাকে অস্ত্র তৈরি করা বা এমন একটি সিস্টেম পরীক্ষা করা যার জন্য আপনার কোন কর্তৃত্ব নেই উভয়ই অনৈতিক এবং অপরাধ। অনুমোদন (স্কোপ এবং অনুমতি) ছাড়া কোন আক্রমণাত্মক পরীক্ষা করা হবে না।
টিপ: প্রকৃত গ্রাহক ডেটার পরিবর্তে সিন্থেটিক (কৃত্রিমভাবে উত্পাদিত) পরীক্ষার ডেটা ব্যবহার করুন। এআইকে "বাস্তবসম্মত কিন্তু সম্পূর্ণ কাল্পনিক পরীক্ষার ডেটা তৈরি করতে" বলা উভয়ই গোপনীয়তা রক্ষা করে এবং প্রান্তের ক্ষেত্রে বৈচিত্র্য আনে।
তিনটি মিনি কেস
কেস 1 - সঠিক জায়গায় সময় সাশ্রয়কারী। একটি Ekomerce দলের পরীক্ষক প্রতিটি রিলিজের জন্য 30-পৃষ্ঠার প্রয়োজনীয় নথি থেকে ম্যানুয়ালি একটি পরীক্ষার দৃশ্য তৈরি করতে 6 ঘন্টা ব্যয় করেছেন। তিনি ওয়াইজেডকে নথিটি (যে অংশটিতে বাণিজ্য গোপনীয়তা ছিল না) দিয়েছেন এবং একটি কাঠামোগত দৃশ্যের খসড়া চেয়েছেন; সময় কমিয়ে 90 মিনিট করা হয়েছিল। তিনি নিজের দ্বারা যাচাই করার জন্য সঞ্চয়কৃত সময় ব্যয় করেছেন ব্যবসা-নিয়মের এজ কেসগুলি যোগ করে যা এআই মিস করেছে। AI পুনরাবৃত্তিমূলক কাজ কেড়ে নিয়েছে, বিচার মানুষের উপর ছেড়ে দিয়েছে।
কেস 2 — জাল পাসিং ধরা পড়েছে। একজন ডেভেলপারের একটি গণনা ফাংশনের জন্য AI লিখতে 12 ইউনিট পরীক্ষা ছিল; তারা সব সবুজ ছিল. পরীক্ষক "লাল দেখুন" পদক্ষেপটি বাস্তবায়ন করেছেন: ইচ্ছাকৃতভাবে ফাংশনের ভিতরে যোগ চিহ্নটিকে গুণে পরিবর্তন করে৷ 12 টি পরীক্ষার মধ্যে মাত্র 3 টি লাল ফিরে এসেছে। অন্য 9টি পরীক্ষা কোন বাস্তব নিশ্চিতকরণ প্রদান করেনি; এটি শুধু বলেছে "এটি একটি ত্রুটি নিক্ষেপ করেনি"। 9টি আলংকারিক পরীক্ষা মুছে ফেলা হয়েছে এবং এর পরিবর্তে 5টি বাস্তব পরীক্ষা লেখা হয়েছে।
কেস 3 - গোপনীয়তা লঙ্ঘন থেকে ফিরে আসা। একজন ইন্টার্ন একটি পাবলিক টুলে প্রোডাকশন ডাটাবেস থেকে আসল গ্রাহকের ইমেল এবং কার্ডের শেষ চারটি সংখ্যা সম্বলিত একটি ত্রুটি লগ পেস্ট করেছে এবং বলেছে "এই ত্রুটিটি ব্যাখ্যা করুন।" QA নেতা হস্তক্ষেপ করেছেন: এটি ছিল ব্যক্তিগত ডেটা নিয়ন্ত্রণের বাইরে এবং KVKK (ব্যক্তিগত ডেটা সুরক্ষা আইন) লঙ্ঘন। একই কাজ একটি প্রতিষ্ঠান-অনুমোদিত যানবাহনে করা হয়েছিল, ব্যক্তিগত এলাকায় মাস্কিং করা হয়েছিল এবং শুধুমাত্র একটি স্ট্যাক ট্রেস রেখেছিল।
চারটি অনুলিপিযোগ্য টেমপ্লেট
1) কাজের উপযুক্ততা মূল্যায়ন:
আপনার ভূমিকা: সিনিয়র QA নেতা। আমি আপনাকে একটি পরীক্ষার কাজ বর্ণনা করব। আমাকে বলুন (1) এই কাজটি কি ড্রাফটিং/বিশ্লেষণের কাজ যা নিরাপদে AI-তে অর্পণ করা যেতে পারে বা একটি গুণগত সিদ্ধান্ত যা মানুষকে অবশ্যই নিতে হবে, (2) ভুল আউটপুটের সম্ভাব্য খরচ, (3) অর্পণ করার আগে আমার যে যাচাইকরণ করা উচিত৷ চাকরি: [এখানে চাকরি যোগ করুন]
2) ছদ্ম-পাস নিয়ন্ত্রণ:
নীচের পরীক্ষা দেখুন. আমাকে বলুন:- এই পরীক্ষাটি কোন আচরণ নিশ্চিত করে? (একটি বাক্য)- আমি কীভাবে পরীক্ষার অধীনে কোডটি ভাঙতে পারি যাতে পরীক্ষাটি লাল হয়ে যায়?- এমন কোনও দুর্বলতা আছে যা এই পরীক্ষাটি সর্বদা পাস করতে পারে (অনুপস্থিত দাবি, স্ব-প্রমাণ, তুচ্ছ পরীক্ষা)? পরীক্ষা: [এখানে পরীক্ষা পেস্ট করুন]
3) পরীক্ষা ডেটা মাস্কিং নিয়ন্ত্রণ:
আমি আপনাকে যে লগ/ডেটা দেব তাতে ব্যক্তিগত বা গোপনীয় ক্ষেত্র থাকতে পারে (ই-মেইল, নাম, কার্ড, কী, অভ্যন্তরীণ ঠিকানা)। প্রথমত, যে ক্ষেত্রগুলিকে মুখোশ করা দরকার তা তালিকাভুক্ত করুন; আমি মাস্ক করে আবার পাঠাব। এটি যেমন আছে তা বিশ্লেষণ করবেন না।
4) সিন্থেটিক টেস্ট ডেটা জেনারেশন:
[নিম্নলিখিত ক্ষেত্র কাঠামো] এর জন্য সম্পূর্ণ কাল্পনিক, বাস্তবসম্মত পরীক্ষার ডেটার 20টি সারি তৈরি করুন। প্রকৃত ব্যক্তি/সংস্থার তথ্য ব্যবহার করবেন না। প্রান্তের ক্ষেত্রেও অন্তর্ভুক্ত করুন: খালি স্থান, খুব দীর্ঘ পাঠ্য, সীমা মান, অবৈধ বিন্যাস।
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল: "এই কোডে পরীক্ষা লিখুন।"
দৃঢ়: "ডিসকাউন্ট ফাংশনের জন্য এই লিখুন ইউনিট পরীক্ষাগুলি গণনা করুন। ফাংশনের জন্য গ্রহণযোগ্যতার মানদণ্ড: 1000 TL-এর উপরে 10% ছাড়, 5000 TL-এর উপরে 20% ছাড়; নেতিবাচক পরিমাণ একটি ত্রুটি ছুঁড়ে দেওয়া উচিত। প্রতিটি পরীক্ষার জন্য আপনি কোন নিয়মটি যাচাই করছেন তা একটি মন্তব্য লাইনের সাথে নির্দিষ্ট করুন। সীমা 901 মান পরীক্ষা করুন, 9901 মান 5000, 0, -1) আলাদাভাবে ব্যবহার করুন যেগুলো লাল হয়ে যাবে যদি আমি কোডটি খালি করি বা তুচ্ছ দাবি না লিখি।"
শক্তিশালী প্রম্পট; এটি গ্রহণযোগ্যতার মানদণ্ড, সীমা মান, বৈধতা প্রত্যাশা এবং সুস্পষ্ট অ্যান্টি-স্পুফিং নির্দেশাবলী প্রদান করে। দুর্বল প্রম্পট AI কে একটি আলংকারিক পরীক্ষা লিখতে আমন্ত্রণ জানায়।
সাধারণ ভুল
- সবুজকে বিশ্বাস করে। ভেবে পরীক্ষায় পাস করাই প্রমাণ। আসল প্রশ্ন হল: আপনি কোডটি ভাঙলে এটি কি লাল হয়ে যায়?
- কোনো কারণ না দেখিয়ে পরীক্ষার অনুরোধ করা। এআই জেনেরিক, প্রায়শই অকেজো পরীক্ষা তৈরি করে যা যাচাই করা দরকার তা না জেনে।
- যাচাইকরণ এড়িয়ে যাচ্ছে। বলছে "এআই এটি লিখেছে, এটি সম্ভবত সত্য"। দায়িত্বটি আউটপুট ব্যবহারকারী ব্যক্তির সাথে থাকে।
- টুলে বাস্তব/সংবেদনশীল ডেটা পেস্ট করা হচ্ছে। উৎপাদন ডেটা, কী বা ব্যক্তিগত ডেটা নিয়ে কাজ করা।
- অননুমোদিত নিরাপত্তা পরীক্ষা. সুযোগ এবং অনুমতি ছাড়াই আক্রমণাত্মক পরীক্ষার চেষ্টা করা।
- সিদ্ধান্ত নেওয়ার জন্য AI ব্যবহার করা। প্রশ্ন জিজ্ঞাসা করা "এই সংস্করণ প্রকাশ করা যেতে পারে?" এআই-এর কাছে এবং স্বাক্ষরে উত্তর দেওয়া।
সংক্ষেপে
AI হল QA প্রক্রিয়ার একটি শক্তিশালী সহকারী যা পুনরাবৃত্তিমূলক এবং উৎপাদনযোগ্য কাজের গতি বাড়ায়; কিন্তু মানের সিদ্ধান্তের দায়ভার মানুষের উপর। এই পেশায় AI এর এক নম্বর ঝুঁকি হল ছদ্ম-পাস: সবুজ পরীক্ষা যা দেখতে সুন্দর কিন্তু কিছু নিশ্চিত করে না। ইচ্ছাকৃতভাবে কোড ভঙ্গ করে প্রতিটি AI পরীক্ষা পরীক্ষা করুন; যদি এটি লাল না হয়, তবে সেই পরীক্ষাটি একটি সজ্জা। প্রয়োজনে এটি টাই করুন, লাল দেখুন, প্রসঙ্গ ফিল্টারের মাধ্যমে এটি পাস করুন। গোপনীয় ডেটা মাস্ক করুন, শুধুমাত্র অনুমোদিত এবং প্রতিরক্ষামূলক উদ্দেশ্যে নিরাপত্তা পরীক্ষা সঞ্চালন করুন।
আবেদন টাস্ক
আপনার নিজের প্রজেক্ট থেকে 5টি AI-জেনারেটেড (বা AI-জেনারেটেড) ইউনিট পরীক্ষা নিন। প্রতিটির জন্য: (1) কোন আচরণটি যাচাই করে তা একটি বাক্যে লিখুন, (2) ইচ্ছাকৃতভাবে পরীক্ষা করে কোডটি ভাঙ্গুন এবং চালান এবং নোট করুন যে কয়টি লাল হয়ে গেছে, (3) যেগুলি লাল হয় না সেগুলিকে "সজ্জা পরীক্ষা" হিসাবে চিহ্নিত করুন এবং তাদের আসল দাবির সাথে পুনরায় লিখুন। ফলাফলটি একটি সারণীতে রাখুন: পরীক্ষার নাম / নিয়ম এটি যাচাই করা হয়েছে / এটি ভাঙার সময় ভেঙে গেছে / অ্যাকশন।
চেকলিস্ট
- [] কাজ হস্তান্তরের আগে, আমি প্রশ্ন করেছিলাম "এটি ভুল হলে আমি কী হারাবো?"
- [ ] আমি কোড ভেঙ্গে প্রতিটি AI পরীক্ষা পরীক্ষা করেছি; আমি একটি প্রতিস্থাপন করেছি যেটি আসল পরীক্ষায় লাল হয়ে যায়নি।
- [ ] আমি পরীক্ষার কেসগুলিকে প্রকৃত প্রয়োজনীয়তা/গ্রহণযোগ্যতার মানদণ্ডের সাথে সংযুক্ত করেছি৷
- [ ] আমি টুলে না দিয়েই সংবেদনশীল/বাস্তব ডেটা মাস্ক করেছি; আমি সম্ভব হলে সিন্থেটিক ডেটা ব্যবহার করেছি।
- [ ] আমি নিরাপত্তা পরীক্ষাকে শুধুমাত্র কর্তৃপক্ষের মধ্যে এবং প্রতিরক্ষামূলক উদ্দেশ্যে বিবেচনা করেছি।
- [ ] "সংস্করণটি প্রকাশ করা হবে কিনা" এর সিদ্ধান্ত আমি নিজের উপর ছেড়ে দিয়েছি, এআইয়ের উপর নয়।