ಲಾಭಗಳು:
- AI ಯೊಂದಿಗೆ ಅರ್ಥಪೂರ್ಣವಾದ ಸಮರ್ಥನೆಯೊಂದಿಗೆ ಘಟಕ, ಏಕೀಕರಣ ಮತ್ತು ಎಡ್ಜ್ ಕೇಸ್ ಪರೀಕ್ಷೆಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಸಾಮರ್ಥ್ಯ
- AI ಬೆಂಬಲದೊಂದಿಗೆ ಪರೀಕ್ಷಾ ವ್ಯಾಪ್ತಿ, ಮಿತಿ ಮೌಲ್ಯಗಳು ಮತ್ತು ಋಣಾತ್ಮಕ ಸನ್ನಿವೇಶಗಳನ್ನು ವ್ಯವಸ್ಥಿತವಾಗಿ ಹೊರತೆಗೆಯುವ ಸಾಮರ್ಥ್ಯ
- AI ನಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಪರೀಕ್ಷೆಗಳು ವಾಸ್ತವವಾಗಿ ನಡವಳಿಕೆಯನ್ನು ಪರಿಶೀಲಿಸುತ್ತವೆ ಮತ್ತು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಕೋಡ್ ಅನ್ನು ಪುನರಾವರ್ತಿಸುವುದಿಲ್ಲ ಎಂದು ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ
ಪರೀಕ್ಷೆಯು ತಂತ್ರಾಂಶವು ಭರವಸೆ ನೀಡಿದಂತೆ ವರ್ತಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಸಾಬೀತುಪಡಿಸುವ ಕಾರ್ಯವಿಧಾನವಾಗಿದೆ. ಬದಲಾವಣೆಯು ಏನನ್ನಾದರೂ ಮುರಿಯುತ್ತದೆಯೇ ಮತ್ತು ಇಂಜಿನಿಯರ್ಗೆ ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಸ್ವಾತಂತ್ರ್ಯವನ್ನು ನೀಡುತ್ತದೆಯೇ ಎಂಬುದನ್ನು ಉತ್ತಮ ಪರೀಕ್ಷಾ ಸೂಟ್ ಸೆಕೆಂಡುಗಳಲ್ಲಿ ನಿಮಗೆ ತಿಳಿಸುತ್ತದೆ. AI ಪರೀಕ್ಷೆಯ ಬರವಣಿಗೆಯ ಅತ್ಯಂತ ಬೇಸರದ ಮತ್ತು ಹೆಚ್ಚು ಬಿಟ್ಟುಬಿಡುವ ಭಾಗವನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ: ಬಹುಸಂಖ್ಯೆಯ ಸನ್ನಿವೇಶಗಳು, ಬ್ರೇಕ್ಪಾಯಿಂಟ್ಗಳು ಮತ್ತು ನಕಾರಾತ್ಮಕ ಪ್ರಕರಣಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಆದರೆ ಇಲ್ಲಿ ಸ್ನೀಕಿ ಟ್ರ್ಯಾಪ್ ಇದೆ: AI ಕೋಡ್ನ ಪ್ರಸ್ತುತ (ಬಹುಶಃ ದೋಷಪೂರಿತ) ನಡವಳಿಕೆಯನ್ನು ಪರಿಶೀಲಿಸುವ ಪರೀಕ್ಷೆಗಳನ್ನು ಬರೆಯಬಹುದು, ಅದರ ವರ್ತನೆಯನ್ನು ಅಲ್ಲ; ಅಥವಾ ಇದು ಯಾವಾಗಲೂ ಹಾದುಹೋಗುವ ಖಾಲಿ ಪರೀಕ್ಷೆಗಳನ್ನು ಉಂಟುಮಾಡಬಹುದು, ವಾಸ್ತವವಾಗಿ ಏನನ್ನೂ ಪರಿಶೀಲಿಸುವುದಿಲ್ಲ. ಪರೀಕ್ಷೆಯ ಮೌಲ್ಯವು ಅದು ಉತ್ತೀರ್ಣವಾಗಿದೆಯೇ ಎಂಬುದರಲ್ಲಿ ಅಲ್ಲ, ಆದರೆ ಅದು ಸರಿಯಾದ ವಿಷಯವನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆಯೇ ಮತ್ತು ಅದು ತಪ್ಪಾದಾಗ ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗುತ್ತದೆಯೇ ಎಂಬುದರಲ್ಲಿ.
ಈ ಘಟಕದಲ್ಲಿ, ಅರ್ಥಪೂರ್ಣ ಸಮರ್ಥನೆಗಳೊಂದಿಗೆ ಘಟಕ, ಏಕೀಕರಣ ಮತ್ತು ಎಡ್ಜ್ ಕೇಸ್ ಪರೀಕ್ಷೆಗಳನ್ನು ಹೇಗೆ ತಯಾರಿಸಬೇಕೆಂದು ನೀವು ಕಲಿಯುವಿರಿ; ಪರೀಕ್ಷಾ ಕವರೇಜ್, ಬ್ರೇಕ್ಪಾಯಿಂಟ್ಗಳು ಮತ್ತು ಡೌನ್ಸೈಡ್ ಸನ್ನಿವೇಶಗಳನ್ನು ವ್ಯವಸ್ಥಿತವಾಗಿ ಹೊರತೆಗೆಯುವುದು ಹೇಗೆ; ಮತ್ತು AI ಉತ್ಪಾದಿಸುವ ಪರೀಕ್ಷೆಗಳು ನಡವಳಿಕೆಯನ್ನು ಮೌಲ್ಯೀಕರಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ನೀವು ಹೇಗೆ ಪರಿಶೀಲಿಸಬಹುದು ಎಂಬುದನ್ನು ನಾವು ನೋಡುತ್ತೇವೆ.
ಪರಿಕಲ್ಪನೆಗಳು: ಘಟಕ ಪರೀಕ್ಷೆ: ಏಕ ಕಾರ್ಯ/ವರ್ಗವನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಪರೀಕ್ಷಿಸುತ್ತದೆ. ಏಕೀಕರಣ ಪರೀಕ್ಷೆ: ಬಹು ಭಾಗಗಳು ಸರಿಯಾಗಿ ಒಟ್ಟಿಗೆ ಕೆಲಸ ಮಾಡುವ ಪರೀಕ್ಷೆಗಳು. ಪ್ರತಿಪಾದಿಸಿ: ಫಲಿತಾಂಶವು ನಿರೀಕ್ಷಿತ ಮಟ್ಟಕ್ಕೆ ಸಮನಾಗಿರುತ್ತದೆ ಎಂದು ಪರಿಶೀಲಿಸುವ ಹೇಳಿಕೆ; ಇದು ಪರೀಕ್ಷೆಯ ಹೃದಯವಾಗಿದೆ. ವ್ಯಾಪ್ತಿ: ಪರೀಕ್ಷೆಗಳಿಂದ ಎಷ್ಟು ಕೋಡ್ ರನ್ ಆಗುತ್ತದೆ; ಹೆಚ್ಚಿನ ವ್ಯಾಪ್ತಿ ಗುಣಮಟ್ಟವನ್ನು ಖಾತರಿಪಡಿಸುವುದಿಲ್ಲ.
ಅರ್ಥಪೂರ್ಣ ಪರೀಕ್ಷೆಗಳನ್ನು ತಯಾರಿಸುವುದು
ಉತ್ತಮ ಪರೀಕ್ಷೆಯು ಮೂರು ವಿಷಯಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಮಾಡುತ್ತದೆ: ಅದು ಸ್ಥಿತಿಯನ್ನು ಸ್ಥಾಪಿಸುತ್ತದೆ, ಅದು ಕ್ರಿಯೆಯನ್ನು ಮಾಡುತ್ತದೆ, ಫಲಿತಾಂಶವನ್ನು ಪ್ರತಿಪಾದಿಸುತ್ತದೆ. AI ಗೆ ಪರೀಕ್ಷೆಗಳನ್ನು ಮುದ್ರಿಸುವಾಗ, ನೀವು ಯಾವ ನಡವಳಿಕೆಯನ್ನು ಪರಿಶೀಲಿಸಲು ಬಯಸುತ್ತೀರಿ ಮತ್ತು ಅದು ಯಾವ ಸನ್ನಿವೇಶಗಳನ್ನು ಒಳಗೊಳ್ಳಬೇಕು ಎಂಬುದನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ; ಇಲ್ಲದಿದ್ದರೆ, ಇದು ಯಾವಾಗಲೂ ಹಾದುಹೋಗುವ ಬಾಹ್ಯ ಪರೀಕ್ಷೆಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.
- ಪರೀಕ್ಷಿಸಬೇಕಾದ ನಡವಳಿಕೆಯನ್ನು ವಿವರಿಸಿ. "ಯಾವುದು ಸರಿ ಎಂದು ಪರಿಗಣಿಸುತ್ತದೆ?" ಪ್ರಶ್ನೆಗೆ ಸ್ಪಷ್ಟವಾಗಿ ಉತ್ತರಿಸಿ.
- ಸನ್ನಿವೇಶದ ಪ್ರಕಾರಗಳನ್ನು ಕೇಳಿ. ಸಾಮಾನ್ಯ, ಮಿತಿ, ಋಣಾತ್ಮಕ, ದೋಷ ಸ್ಥಿತಿ.
- ಅರ್ಥಪೂರ್ಣ ಪ್ರತಿಪಾದನೆಯನ್ನು ಆಮದು ಮಾಡಿಕೊಳ್ಳಿ. ಇದು ಕೇವಲ "ದೋಷವನ್ನು ಎಸೆಯಲಿಲ್ಲ", ಅದು "ಸರಿಯಾದ ಮೌಲ್ಯವನ್ನು ಹಿಂದಿರುಗಿಸಿತು".
- ಪರೀಕ್ಷೆಯ ನಿಖರತೆಯನ್ನು ಪರಿಶೀಲಿಸಿ. ನೀವು ಪ್ರಜ್ಞಾಪೂರ್ವಕವಾಗಿ ಕೋಡ್ ಅನ್ನು ಮುರಿದಾಗ ಪರೀಕ್ಷೆಯು ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗುತ್ತದೆಯೇ?
ಸಮಗ್ರ ಪರೀಕ್ಷಾ ಉತ್ಪಾದನೆಯ ಪ್ರಾಂಪ್ಟ್: "ಕೆಳಗಿನ 'ಅನ್ವಯಿಕ ರಿಯಾಯಿತಿ(ಮೊತ್ತ, ಕೂಪನ್)' ಕಾರ್ಯಕ್ಕಾಗಿ ಯುನಿಟ್ ಪರೀಕ್ಷೆಗಳನ್ನು ಬರೆಯಿರಿ. ಈ ಕೆಳಗಿನ ವಿಭಾಗಗಳಲ್ಲಿ ಕನಿಷ್ಠ ಒಂದು ಸನ್ನಿವೇಶವನ್ನು ಹೊಂದಿರಿ: (1) ಸಾಮಾನ್ಯ ಮಾನ್ಯ ಕೂಪನ್, (2) ಬ್ರೇಕ್ಪಾಯಿಂಟ್ಗಳು (0 ಮೊತ್ತ, 100% ರಿಯಾಯಿತಿ), (3) ಋಣಾತ್ಮಕ (ಅಮಾನ್ಯ ಕೂಪನ್, ಋಣಾತ್ಮಕ ಪ್ರಕರಣದಲ್ಲಿ ದೋಷ). ಪ್ರತಿ ಪರೀಕ್ಷೆಯಲ್ಲಿ CONCRETE ನಿರೀಕ್ಷಿತ ಮೌಲ್ಯ (ಕೇವಲ 'ಕೆಲಸ ಮಾಡಿಲ್ಲ') ಕೋಡ್ ಅನ್ನು ಓದಬಲ್ಲದು ಎಂದು ಹೆಸರಿಸಿ.
ಬೌಂಡರಿ ಮೌಲ್ಯದ ಹೊರತೆಗೆಯುವಿಕೆ ಪ್ರಾಂಪ್ಟ್: "ಈ ಕಾರ್ಯದ ಇನ್ಪುಟ್ಗಳಿಗಾಗಿ ಗಡಿ ಮೌಲ್ಯ ವಿಶ್ಲೇಷಣೆಯನ್ನು ನಿರ್ವಹಿಸಿ. ಪ್ರತಿ ಪ್ಯಾರಾಮೀಟರ್ಗೆ, ಮೌಲ್ಯಗಳನ್ನು 'ಕೇವಲ ಗಡಿರೇಖೆಯಲ್ಲಿ', 'ಬೌಂಡರಿಯಿಂದ ಸ್ವಲ್ಪ ಕೆಳಗೆ', 'ಬೌಂಡರಿಯಿಂದ ಸ್ವಲ್ಪ ಮೇಲಕ್ಕೆ' ಕೋಷ್ಟಕವಾಗಿ ಹೊರತೆಗೆಯಿರಿ. ನಂತರ ಈ ಗಡಿಗಳನ್ನು ಒಳಗೊಳ್ಳುವ ಪರೀಕ್ಷಾ ಸನ್ನಿವೇಶಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ನಂತರ ಈ ಗಡಿಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಪರೀಕ್ಷಾ ಸನ್ನಿವೇಶಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ.
ಎಚ್ಚರಿಕೆ: ಹೆಚ್ಚಿನ ಪರೀಕ್ಷಾ ಕವರೇಜ್ (ಉದಾ. 90%) ಕೋಡ್ ಸರಿಯಾಗಿದೆ ಎಂದು ಸಾಬೀತುಪಡಿಸುವುದಿಲ್ಲ. ವ್ಯಾಪ್ತಿ ಎಷ್ಟು ಸಾಲುಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗಿದೆ ಎಂಬುದನ್ನು ಅಳೆಯುತ್ತದೆ; ಆ ಸಾಲುಗಳು ಸರಿಯಾದ ಫಲಿತಾಂಶವನ್ನು ನೀಡುತ್ತವೆ ಎಂದು ಅಲ್ಲ. ಅರ್ಥಪೂರ್ಣವಾದ ಪ್ರತಿಪಾದನೆಯಿಲ್ಲದ ಪರೀಕ್ಷೆಯು ವ್ಯಾಪ್ತಿಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ ಆದರೆ ಯಾವುದನ್ನೂ ಖಾತರಿಪಡಿಸುವುದಿಲ್ಲ. ಪ್ರತಿಪಾದನೆಯ ವಿಷಯವು ಗುಣಮಟ್ಟವನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ, ಸಮರ್ಥನೆಗಳ ಸಂಖ್ಯೆಯಲ್ಲ.
ಪರೀಕ್ಷೆಯನ್ನು ಸ್ವತಃ ಪರೀಕ್ಷಿಸುವುದು: ರೂಪಾಂತರದ ತರ್ಕ
AI- ರಚಿತವಾದ ಪರೀಕ್ಷೆಯು ನಿಜವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆಯೇ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಅತ್ಯಂತ ಪ್ರಾಯೋಗಿಕ ಮಾರ್ಗವೆಂದರೆ ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಕೋಡ್ ಅನ್ನು ಮುರಿಯುವುದು (ಮ್ಯುಟೇಶನ್ ಟೆಸ್ಟಿಂಗ್ ಲಾಜಿಕ್). ಸ್ಥಿತಿಯನ್ನು ಹಿಮ್ಮುಖಗೊಳಿಸಿ, + ಚಿಹ್ನೆಯನ್ನು ಮಾಡಿ -; ಯಾವುದೇ ಪರೀಕ್ಷೆಗಳು ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗಿದರೆ, ನಿಮ್ಮ ಪರೀಕ್ಷೆಗಳು ವಾಸ್ತವವಾಗಿ ಆ ನಡವಳಿಕೆಯನ್ನು ನಿರ್ವಹಿಸುತ್ತಿಲ್ಲ.
ಪರೀಕ್ಷಾ ದುರ್ಬಲತೆ ಬೇಟೆಯ ಪ್ರಾಂಪ್ಟ್: "ಈ ಕೋಡ್ನಲ್ಲಿ ಯಾವ ಸಂಭಾವ್ಯ ದೋಷಗಳನ್ನು ಈ ಕೆಳಗಿನ ಪರೀಕ್ಷೆಗಳು ಹಿಡಿಯುವುದಿಲ್ಲ ಎಂದು ನನಗೆ ತಿಳಿಸಿ. ಕೋಡ್ಗೆ ಮಾಡಬಹುದಾದ 5 ಸಣ್ಣ ರೂಪಾಂತರಗಳನ್ನು ಸೂಚಿಸಿ (ಉದಾ. >= ಬದಲಿಗೆ >, - ಬದಲಿಗೆ +) ಮತ್ತು ಪ್ರತಿಯೊಂದಕ್ಕೂ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಪರೀಕ್ಷೆಗಳು ಅದನ್ನು ಹಿಡಿಯುತ್ತವೆಯೇ ಎಂದು ಸೂಚಿಸಿ. ಸಿಕ್ಕಿಬೀಳದವರಿಗೆ, ಪರೀಕ್ಷೆಯನ್ನು ಸೇರಿಸಲು ಸಲಹೆ: [ಕೋಡ್] ಕೋಡ್: [ಕೋಡ್]"
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ: "ಈ ಕಾರ್ಯಕ್ಕೆ ಪರೀಕ್ಷೆಯನ್ನು ಬರೆಯಿರಿ." (ಫಲಿತಾಂಶ: ಸಾಮಾನ್ಯವಾಗಿ ಒಂದು ಸಂತೋಷದ ಸನ್ನಿವೇಶ, ದುರ್ಬಲ ಪ್ರತಿಪಾದನೆ; ತಪ್ಪಿದ ದೋಷಗಳು.) STRONG: "ಈ 'ಪಾಸ್ವರ್ಡ್ಸ್ಟ್ರಾಂಗ್' ಕಾರ್ಯಕ್ಕೆ ಪರೀಕ್ಷೆಯನ್ನು ಬರೆಯಿರಿ. ನಿಯಮ: ಕನಿಷ್ಠ 8 ಅಕ್ಷರಗಳು, 1 ದೊಡ್ಡಕ್ಷರ, 1 ಅಂಕಿ ಅಗತ್ಯವಿದೆ. ಕೆಳಗಿನ ಸನ್ನಿವೇಶಗಳನ್ನು ಪ್ರತ್ಯೇಕ ಪರೀಕ್ಷೆಗಳಾಗಿ ಕವರ್ ಮಾಡಿ: ನಿಖರವಾಗಿ 8 ಅಕ್ಷರಗಳು (ಮಿತಿ ಕಡಿಮೆ), 7 ಅಕ್ಷರಗಳಿಲ್ಲ, ಖಾಲಿ ಅಕ್ಷರಗಳಿಲ್ಲ ಸ್ಟ್ರಿಂಗ್, ಖಾಲಿ ಜಾಗಗಳು ಮಾತ್ರ, ತುಂಬಾ ಉದ್ದವಾಗಿದೆ (1000 ಅಕ್ಷರಗಳು) ಪ್ರತಿ ಪರೀಕ್ಷೆಯಲ್ಲಿ ನಿರೀಕ್ಷಿತ ನಿಜ/ತಪ್ಪು ಮೌಲ್ಯವನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಪ್ರತಿಪಾದಿಸಿ ಮತ್ತು ಅದು ಪರಿಶೀಲಿಸುವ ಪ್ರಕಾರ ಪರೀಕ್ಷೆಯನ್ನು ಹೆಸರಿಸಿ."
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್ ನಿಯಮಗಳು ಮತ್ತು ಪೂರ್ಣ ಗಡಿ ಸನ್ನಿವೇಶಗಳನ್ನು ನೀಡುತ್ತದೆ. "ನಿಖರವಾಗಿ 8 / 7 ಅಕ್ಷರಗಳು" ನಂತಹ ಗಡಿ ಜೋಡಿಗಳು ತಪ್ಪುಗಳನ್ನು ಮಾಡುವ ಸಾಮಾನ್ಯ ಸ್ಥಳಗಳಾಗಿವೆ (ಗೊಂದಲಗೊಳಿಸುವಿಕೆ > ಜೊತೆಗೆ >=). ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ ಈ ಗಡಿಗಳನ್ನು ಬೈಪಾಸ್ ಮಾಡುತ್ತದೆ ಮತ್ತು ದೋಷವನ್ನು ಉತ್ಪಾದನೆಗೆ ಒಯ್ಯುತ್ತದೆ.
ಪರೀಕ್ಷಾ ವಿಧಗಳು ಮತ್ತು ಎಲ್ಲಿ ಬಳಸಬೇಕು
ಪರೀಕ್ಷಾ ಪ್ರಕಾರ
ಇದು ಏನು ದೃಢೀಕರಿಸುತ್ತದೆ?
AI ಕೊಡುಗೆ
ಗಮನ
ಘಟಕ
ಏಕ ಕಾರ್ಯ/ವರ್ಗ
ಬಹು-ಸನ್ನಿವೇಶಗಳನ್ನು ವೇಗವಾಗಿ ರಚಿಸುತ್ತದೆ
ಅರ್ಥಪೂರ್ಣ ಪ್ರತಿಪಾದನೆ ಅಗತ್ಯವಿದೆ
ಏಕೀಕರಣ
ಒಟ್ಟಿಗೆ ಕೆಲಸ ಮಾಡುವ ಭಾಗಗಳು
ಸನ್ನಿವೇಶ ಮತ್ತು ಅಣಕು ಡೇಟಾ ಡ್ರಾಫ್ಟ್
ನಿಜವಾದ ವ್ಯಸನಕಾರಿ ನಡವಳಿಕೆ
ಅಂತ್ಯ/ಸ್ವೀಕರಿಸಿ
ಸಂಪೂರ್ಣ ಬಳಕೆದಾರ ಹರಿವು
ಹಂತದ ಪಟ್ಟಿ ಮತ್ತು ನಿರೀಕ್ಷೆ
ಸೂಕ್ಷ್ಮತೆಗೆ ಒಳಗಾಗುತ್ತದೆ
ಹಿನ್ನಡೆ
ಹಳೆಯ ದೋಷ ಹಿಂತಿರುಗುತ್ತಿಲ್ಲ
ದೋಷ ನಿರ್ದಿಷ್ಟ ಪರೀಕ್ಷೆ
ಪ್ರತಿ ಫಿಕ್ಸ್ಗೆ ಸೇರಿಸಬೇಕು
ಮಿನಿ ಪ್ರಕರಣಗಳು
ಪ್ರಕರಣ 1 - ಯಾವಾಗಲೂ ಹಾದುಹೋಗುವ ಪರೀಕ್ಷೆ. AI ಒಂದು ಕಾರ್ಯಕ್ಕೆ 12 ಪರೀಕ್ಷೆಗಳನ್ನು ಬರೆಯುತ್ತದೆ ಮತ್ತು ಅವರೆಲ್ಲರೂ ಉತ್ತೀರ್ಣರಾಗುತ್ತಾರೆ. ಇಂಜಿನಿಯರ್ ಅನುಮಾನಾಸ್ಪದನಾಗುತ್ತಾನೆ ಮತ್ತು ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಕಾರ್ಯದ ರಿಟರ್ನ್ ಮೌಲ್ಯವನ್ನು ವಿರೂಪಗೊಳಿಸುತ್ತಾನೆ; ಕೇವಲ 3 ಪರೀಕ್ಷೆಗಳು ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗುತ್ತವೆ. ಇತರ 9 ಪರೀಕ್ಷೆಗಳು ಅರ್ಥಪೂರ್ಣವಾದ ಪ್ರತಿಪಾದನೆಗಳನ್ನು ಹೊಂದಿಲ್ಲ. ರೂಪಾಂತರ ಬೇಟೆಯಿಂದ ಪರೀಕ್ಷೆಯು ಬಲಗೊಳ್ಳುತ್ತದೆ; 9 ಸನ್ನಿವೇಶಗಳಲ್ಲಿ ನಿಜವಾದ ರಕ್ಷಣೆಯನ್ನು ಪಡೆಯಲಾಗುತ್ತದೆ.
ಪ್ರಕರಣ 2 - ಗಡಿ ದೋಷ. ವಯಸ್ಸಿನ ಪರಿಶೀಲನಾ ಕಾರ್ಯವು "18 ಮತ್ತು ಅದಕ್ಕಿಂತ ಹೆಚ್ಚು ಮಾನ್ಯವಾಗಿದೆ" ಎಂದು ಹೇಳಬೇಕು ಆದರೆ >18 ಅನ್ನು ಬರೆಯಲಾಗಿದೆ, ಅಂದರೆ ವಯಸ್ಸು 18 ಅನ್ನು ತಿರಸ್ಕರಿಸಲಾಗಿದೆ. ದೋಷವು ಪರೀಕ್ಷೆಯಲ್ಲಿ ತಕ್ಷಣವೇ ತೋರಿಸುತ್ತದೆ ಏಕೆಂದರೆ AI ಬ್ರೇಕ್ಪಾಯಿಂಟ್ ವಿಶ್ಲೇಷಣೆಯ ಮೂಲಕ "ನಿಖರವಾಗಿ 18" ಸನ್ನಿವೇಶವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಒಂದೇ ಮಿತಿ ಪರೀಕ್ಷೆಯು ಯಾವುದೇ ನೈಜ ಬಳಕೆದಾರರ ದೂರುಗಳನ್ನು ತಡೆಯುತ್ತದೆ.
ಪ್ರಕರಣ 3 - ಪ್ರಸ್ತುತ ನಡವಳಿಕೆಯನ್ನು ಸರಿಪಡಿಸುವುದು. "ಈ ಕೋಡ್ ಅನ್ನು ಆಧರಿಸಿ ಪರೀಕ್ಷೆಯನ್ನು ಬರೆಯಿರಿ" ಎಂದು AI ಗೆ ಹೇಳಿದಾಗ, ಕೋಡ್ನಲ್ಲಿ ಈಗಾಗಲೇ ಇರುವ ಪೂರ್ಣಾಂಕ ದೋಷವನ್ನು "ಸರಿ" ಎಂದು ಸ್ವೀಕರಿಸುವ ಪರೀಕ್ಷೆಯನ್ನು ಅದು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಇಂಜಿನಿಯರ್ ಅವಶ್ಯಕತೆಗೆ ಅನುಗುಣವಾಗಿ ಪರೀಕ್ಷೆಯನ್ನು ಮುದ್ರಿಸಿದಾಗ (ನಿರೀಕ್ಷಿತ ಸರಿಯಾದ ಮೌಲ್ಯ) ಮತ್ತು ಕೋಡ್ ಅಲ್ಲ, ಪರೀಕ್ಷೆಯು ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗುತ್ತದೆ ಮತ್ತು ನಿಜವಾದ ದೋಷ ಸಂಭವಿಸುತ್ತದೆ. ಪರೀಕ್ಷೆಗಳನ್ನು ನಿರೀಕ್ಷೆಯಿಂದ ಪಡೆಯಬೇಕು, ಕೋಡ್ನಿಂದ ಅಲ್ಲ.
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಅರ್ಥಹೀನ ಪ್ರತಿಪಾದನೆ. "ದೋಷವನ್ನು ಎಸೆಯಲಿಲ್ಲ" ಸಾಕಾಗುವುದಿಲ್ಲ; ಸರಿಯಾದ ಮೌಲ್ಯವನ್ನು ಪರಿಶೀಲಿಸಬೇಕು.
- ಗುಣಮಟ್ಟದೊಂದಿಗೆ ವ್ಯಾಪ್ತಿ ಗೊಂದಲ. ಹೆಚ್ಚಿನ ಕವರೇಜ್ ನಿಖರವಾದ ಫಲಿತಾಂಶಗಳ ಖಾತರಿಯಿಲ್ಲ.
- ಕೋಡ್ ಮೂಲಕ ಪರೀಕ್ಷೆಯನ್ನು ಮುದ್ರಿಸುವುದು. ಪ್ರಸ್ತುತ ದೋಷವನ್ನು "ನಿಜ" ಎಂದು ಸರಿಪಡಿಸುತ್ತದೆ; ಪರೀಕ್ಷೆಗಳು ನಿರೀಕ್ಷೆಯಿಂದ ಬರಬೇಕು.
- ಮಿತಿ ಮೌಲ್ಯಗಳನ್ನು ಬಿಟ್ಟುಬಿಡಲಾಗುತ್ತಿದೆ. ಗೊಂದಲಗೊಳಿಸುವುದು > ಜೊತೆ >= ಅತ್ಯಂತ ಸಾಮಾನ್ಯ ತಪ್ಪು; ಗಡಿ ಜೋಡಿಗಳನ್ನು ಪರೀಕ್ಷಿಸಬೇಕು.
- ಪರೀಕ್ಷೆಯನ್ನೇ ಆಡಿಟ್ ಮಾಡುತ್ತಿಲ್ಲ. ನೀವು ಕೋಡ್ ಅನ್ನು ಮುರಿದಾಗ ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗದ ಪರೀಕ್ಷೆಯು ರಕ್ಷಣೆಯನ್ನು ಒದಗಿಸುವುದಿಲ್ಲ.
ಸಾರಾಂಶದಲ್ಲಿ
ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ಬದಲಾವಣೆಗಳನ್ನು ಮಾಡಲು ಉತ್ತಮ ಪರೀಕ್ಷಾ ಸೂಟ್ ಪ್ರಮುಖವಾಗಿದೆ. AI ತ್ವರಿತವಾಗಿ ಬಹುಸಂಖ್ಯೆಯ ಸನ್ನಿವೇಶಗಳು, ಮಿತಿಗಳು ಮತ್ತು ಋಣಾತ್ಮಕ ಸನ್ನಿವೇಶಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ; ಆದರೆ ಇದು ಅವಶ್ಯಕತೆಗಳಿಗಿಂತ ಹೆಚ್ಚಾಗಿ ಕೋಡ್ನಿಂದ ಪರೀಕ್ಷೆಗಳನ್ನು ಪಡೆದರೆ, ಅದು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ದೋಷಗಳನ್ನು ಸರಿಪಡಿಸಬಹುದು ಅಥವಾ ಯಾವಾಗಲೂ ಹಾದುಹೋಗುವ ಅರ್ಥಹೀನ ಪರೀಕ್ಷೆಗಳನ್ನು ಬರೆಯಬಹುದು. ಪ್ರತಿ ಪರೀಕ್ಷೆಯಲ್ಲಿ ಕಾಂಕ್ರೀಟ್ ನಿರೀಕ್ಷಿತ ಮೌಲ್ಯವನ್ನು ಪ್ರತಿಪಾದಿಸಿ, ಬೌಂಡ್ ಜೋಡಿಗಳನ್ನು ಸೇರಿಸಿ ಮತ್ತು ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಕೋಡ್ ಅನ್ನು ಮುರಿಯುವ ಮೂಲಕ ನಿಮ್ಮ ಪರೀಕ್ಷೆಗಳು ನಿಜವಾಗಿಯೂ ರಕ್ಷಿಸುತ್ತವೆ ಎಂದು ಪರಿಶೀಲಿಸಿ. ಪ್ರತಿಪಾದನೆಯ ವಿಷಯವು ವ್ಯಾಪ್ತಿಗಳ ಸಂಖ್ಯೆಯಲ್ಲ, ಗುಣಮಟ್ಟವನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ಒಂದು ಕಾರ್ಯವನ್ನು ಆಯ್ಕೆಮಾಡಿ ಮತ್ತು ಸಮಗ್ರ ಪರೀಕ್ಷಾ ಉತ್ಪಾದನೆಯ ಪ್ರಾಂಪ್ಟ್ನೊಂದಿಗೆ ನಾಲ್ಕು ವಿಭಾಗಗಳಲ್ಲಿ (ಸಾಮಾನ್ಯ, ಮಿತಿ, ಋಣಾತ್ಮಕ, ದೋಷ) ಪರೀಕ್ಷೆಗಳನ್ನು ರಚಿಸುವಂತೆ ಮಾಡಿ; ಪ್ರತಿ ಪರೀಕ್ಷೆಯಲ್ಲಿ ಕಾಂಕ್ರೀಟ್ ನಿರೀಕ್ಷಿತ ಮೌಲ್ಯವನ್ನು ಪ್ರತಿಪಾದಿಸಿ. ನಂತರ ಪರೀಕ್ಷಾ ದುರ್ಬಲತೆ ಬೇಟೆಯ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ರನ್ ಮಾಡಿ, ಕೋಡ್ನಲ್ಲಿ 5 ಸಣ್ಣ ರೂಪಾಂತರಗಳನ್ನು ಸೂಚಿಸಿ ಮತ್ತು ಅವರು ಯಾವುದನ್ನು ಹಿಡಿಯುತ್ತಾರೆ ಎಂಬುದನ್ನು ಪರೀಕ್ಷಿಸಲು ಪರೀಕ್ಷೆಗಳನ್ನು ರನ್ ಮಾಡಿ. ಕ್ಯಾಚ್ ಆಗದ ಕನಿಷ್ಠ ಒಂದು ರೂಪಾಂತರಕ್ಕಾಗಿ ಹೊಸ ಪರೀಕ್ಷೆಯನ್ನು ಸೇರಿಸಿ ಮತ್ತು ಅದು ಈಗ ಕೆಂಪು ಬಣ್ಣದಲ್ಲಿದೆ ಎಂದು ತೋರಿಸಿ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ನಾನು ನಿರೀಕ್ಷಿತ/ಸರಿಯಾದ ನಡವಳಿಕೆಯನ್ನು ಆಧರಿಸಿ ಪರೀಕ್ಷೆಗಳನ್ನು ಮುದ್ರಿಸಿದ್ದೇನೆ, ಕೋಡ್ ಅಲ್ಲ.
- [ ] ನಾನು ಸಾಮಾನ್ಯ, ಮಿತಿ, ಋಣಾತ್ಮಕ ಮತ್ತು ದೋಷದ ಸನ್ನಿವೇಶಗಳನ್ನು ಒಳಗೊಂಡಿದೆ.
- [ ] ನಾನು ಪ್ರತಿ ಪರೀಕ್ಷೆಯಲ್ಲಿ ಕಾಂಕ್ರೀಟ್ ನಿರೀಕ್ಷಿತ ಮೌಲ್ಯವನ್ನು ಪ್ರತಿಪಾದಿಸಿದೆ.
- [ ] ನಾನು ಗಡಿ ಜೋಡಿಗಳನ್ನು ಪರೀಕ್ಷಿಸಿದ್ದೇನೆ (ಕೆಳಗೆ ಮೇಲಿನ / ಸ್ವಲ್ಪ ಮೇಲೆ-ಕೆಳಗೆ).
- [ ] ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಕೋಡ್ ಅನ್ನು ಮುರಿಯುವ ಮೂಲಕ, ಪರೀಕ್ಷೆಗಳು ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗಿವೆ ಎಂದು ನಾನು ದೃಢಪಡಿಸಿದೆ.
- [ ] ನಾನು ಪತ್ತೆಹಚ್ಚದ ರೂಪಾಂತರಗಳಿಗಾಗಿ ಹೊಸ ಪರೀಕ್ಷೆಯನ್ನು ಸೇರಿಸಿದ್ದೇನೆ.