ලාභ:
- කෘත්රිම බුද්ධිය QA ක්රියාවලියේදී තත්ය කාලය ඉතිරි කරන්නේ කොතැනද සහ කාර්ය අවදානම් මට්ටම අනුව 'ප්රකාශනයට සූදානම්' වැනි ගුණාත්මක තීරණ මිනිසුන්ට ඉතිරි කරන්නේ කොතැනද යන්න වෙන්කර හඳුනා ගැනීමට හැකි වීම.
- ව්යාජ සාමාර්ථවල අවදානම හඳුනා ගැනීමට සහ හිතාමතාම කේතය බිඳ දැමීමෙන් සෑම AI පරීක්ෂණයක්ම පරීක්ෂා කරන සත්යාපන විනයක් ක්රියාත්මක කිරීමේ හැකියාව
- පරීක්ෂණ දත්ත, පුද්ගලික දත්ත සහ යතුරු ආරක්ෂා කිරීමේ හැකියාව සහ අවසරය තුළ සහ ආරක්ෂක අරමුණු සඳහා පමණක් ආරක්ෂක පරීක්ෂණ සිදු කිරීමේ පුරුද්ද ලබා ගැනීම.
මුදා හැරීමේ රාත්රියක් සලකා බලන්න. පරීක්ෂණ සිය ගණනක් ධාවනය කර, ඔවුන් සියල්ලන්ටම කොළ එළිය ලැබුණි, කණ්ඩායමට සහනයක් ලැබී මෘදුකාංගය සජීවී විය. පසුදා උදෑසන පාරිභෝගිකයා විසින් ගෙවීම් තිරය කඩා වැටී ඇති බව වාර්තා කළේය. පරීක්ෂණ හරිත නමුත් ඔහු දෝෂය දුටුවේ නැත. තත්ත්ව සහතික (QA) වෘත්තියේ වඩාත්ම ද්රෝහී නපුරු සිහිනය මෙයයි, එනම් මෘදුකාංගය අපේක්ෂිත ගුණාත්මක බව ක්රමානුකූලව සහතික කරන විනය: කොළ පැහැයෙන් දිදුලන නමුත් ඇත්ත වශයෙන්ම කිසිවක් තහවුරු නොකරන පරීක්ෂණය. කෘතිම බුද්ධිය (AI — ඓතිහාසික දත්ත වලින් රටා උපුටා ගන්නා සහ පෙළ සහ කේත ජනනය කරන මෘදුකාංගය) මෙම වෘත්තියට ඇතුළු වූ විට, හරියටම මෙම බියකරු සිහිනයේ විශාල ත්වරණය සහ විශාලනය යන දෙකම ඇත. මෙම මොඩියුලයේ ආරම්භක පොරොන්දුව පැහැදිලිය: AI යනු පරීක්ෂණ සහකාර, බ්ලූපින්ට් උත්පාදක සහ අදහස් ගුණකය; "මෙම මෘදුකාංගය මුදා හැරීමට සූදානම්ද" යන තීරණය මත අත්සන් කරන පරීක්ෂකයා ඔබයි.
මෙම පළමු ඒකකයේදී අපි අවධානය යොමු කරන්නේ විනයට මිස මෙවලමට නොවේ. QA ක්රියාවලියේදී AI තථ්ය කාලය ඉතිරි කරන්නේ කොතැනද, එය භයානක වන්නේ කොතැනද, රැවටිලිකාර කොළ ඊනියා "false-pass" විශාලතම අවදානම වන්නේ ඇයි, එක් එක් ප්රතිදානය සත්යාපනය කරන්නේ කෙසේද සහ ඔබට කුමන මෙවලමට ලබා දිය හැකි දත්ත මොනවාද යන්න ඔබ ඉගෙන ගනු ඇත. මෙම අත්තිවාරම දැමීමකින් තොරව, පසුකාලීන ඒකක වාතයේ පවතිනු ඇත.
පරීක්ෂණ ක්රියාවලියේදී AI ප්රයෝජනවත් වන්නේ කොතැනින්ද?
අපි පරීක්ෂණ රැකියා විශාල පොකුරු දෙකකට බෙදමු. පළමු පොකුර: පුනරාවර්තන, නිෂ්පාදනය කළ හැකි, කෙටුම්පත් රැකියා. අවශ්යතාවයකින් පරීක්ෂණ නඩුවක් කෙටුම්පත් කිරීම, බිඳුම් ලක්ෂ්ය ලැයිස්තුගත කිරීම, තිරයක් සඳහා ස්වයංක්රීය කේත ඇටසැකිල්ලක් ලිවීම, සංකීර්ණ දෝෂ නඩුවක් පිළිවෙලට දෝෂ වාර්තාවක් බවට පරිවර්තනය කිරීම, ලොග් ලිපිගොනු පේළි සිය ගණනක් සාරාංශ කිරීම, API ප්රතිචාරයකින් යෝජනා ක්රමයක් උපුටා ගැනීම. මෙම කාර්යයන් වලදී, AI මිනිත්තු සිට තත්පර දක්වා අඩු කරන අතර වෙහෙසට පත් නොවේ.
දෙවන පොකුර: ගුණාත්මකභාවය, විශ්වාසය සහ වගකීම යන ප්රතිඵලය වන තීරණ. “මෙම අනුවාදය සජීවීව යා හැකිද”, “මෙම දෝෂය තීරණාත්මකද නැතහොත් එය කල් දැමිය හැකිද”, “මෙම පරීක්ෂණ ආවරණය ප්රමාණවත්ද”, “මෙම තත්ත්වය සැබෑ පරිශීලක අවදානම ග්රහණය කරයිද” වැනි තීරණ සඳහා සන්දර්භය, නිෂ්පාදන දැනුම සහ වගකීම අවශ්ය වේ. මෙහිදී AI විකල්ප, කෙටුම්පත් ජනනය කරයි - නමුත් ඔබ "සමත් / අසමත්" සහ "යන්න / යන්න එපා" තීරණය කරයි.
අපි එක වාක්යයකින් වෙනස පැහැදිලි කරමු: "පරීක්ෂා කළ හැකි අවස්ථා සහ එය පරීක්ෂා කරන කේතය ලියන්නේ කෙසේද" යන්නෙහි AI ශක්තිමත් ය; "මෙම මෘදුකාංගය සැබවින්ම ක්රියාත්මක වේද සහ ඒ සඳහා සහතික වන්නේ කවුද?" යන ප්රශ්නය සම්බන්ධයෙන් තීරණය ඔබ සතුය.
ඉඟිය: AI වෙත රැකියාවක් භාර දීමට පෙර, අසන්න: “මෙම ප්රතිදානය වැරදි නම් සහ මම නොදකිනහොත් කුමක් සිදුවේද?” පිළිතුර "මට මිනිත්තු කිහිපයක් අහිමි වනු ඇත" නම්, පහසුවෙන් පැවරීම. පිළිතුර "දෝෂ සහිත මෘදුකාංග සජීවී වේ" නම්, AI හට කෙටුම්පත නිෂ්පාදනය කිරීමට ඉඩ දෙන්න, ඔබ තීරණය සහ සත්යාපනය කරන්න.
False pass: QA හි AI හි අංක එකේ අවදානම
පරීක්ෂණයක් කොළ පැහැයෙන් දැල්වෙන විට, එයින් කරුණු දෙකක් අදහස් කළ හැකිය: එක්කෝ මෘදුකාංගය ඇත්ත වශයෙන්ම නිවැරදිව ක්රියා කරයි, නැතහොත් පරීක්ෂණය වැරදි ලෙස ලියා ඇති නිසා දෝෂය නොපෙනේ. දෙවැන්න ව්යාජ සාමාර්ථයක් ලෙස හැඳින්වේ - පරීක්ෂණය "සමත්" යැයි පවසන නමුත් ඇත්ත වශයෙන්ම කිසිවක් තහවුරු නොකරයි. AI සමඟින් නිපදවන පරීක්ෂණ වලදී මෙම අවදානම සැලකිය යුතු ලෙස වැඩි වේ, මන්ද AI චතුර ලෙස, සුමට පෙනුමක් ඇති නමුත් හිස් පරීක්ෂණ ලිවීමේදී ඉතා සාර්ථක වේ.
ව්යාජ පාස් හි වඩාත් පොදු ආකාර තුන නම්: (1) ප්රකාශයකින් තොරව පරීක්ෂා කිරීම - කේතය ක්රියාත්මක වේ, තහවුරු කිරීම් අඩංගු නොවේ, සෑම විටම සමත් වේ. (2) ස්වයං-සත්යාපන පරීක්ෂණය - පරීක්ෂණයේ අපේක්ෂිත අගය ගණනය කරනු ලබන්නේ පරීක්ෂණය යටතේ ඇති කේතයේ ප්රතිදානයෙනි; එනම්, කේතය නිපදවන ඕනෑම දෙයක්, පරීක්ෂණය "නිවැරදි" ලෙස පිළිගනී. (3) වැරදි දේ සත්යාපනය කරන පරීක්ෂණය - පවතින බව තහවුරු කරයි, නමුත් එය සත්ය ව්යාපාරික රීතිය නොව සුළු දෙයක් (උදා: "ප්රතිචාරය ශුන්ය නොවේ") පරීක්ෂා කරයි.
අවවාදයයි: හරිත පරීක්ෂණ පුවරුවක් ගුණාත්මකභාවය පිළිබඳ සාක්ෂි නොවේ; හොඳම දෙය නම් "අපි ලියූ පාලනයන් දැන් කැඩී නැත" කියායි. AI විසින් නිපදවන පරීක්ෂණයේ "සාමාර්ථයක්" දැකීමෙන් සැනසෙන්න එපා - සැබෑ ප්රශ්නය නම්: මම හිතාමතාම කේතය බිඳ දැමුවහොත් මෙම පරීක්ෂණය රතු පැහැයට හැරේවිද? එය භ්රමණය නොවේ නම්, එම පරීක්ෂණය සැරසිලි වේ.
මෙම මොඩියුලය පුරා පුනරාවර්තනය වන ස්වර්ණමය රීතිය: හිතාමතාම කේතය බිඳ දැමීමෙන් සෑම AI පරීක්ෂණයක්ම පරීක්ෂා කරන්න. පරීක්ෂණය තවමත් හරිත නම්, එම පරීක්ෂණය ක්රියා නොකරයි. (අපි මෙම අදහස ඒකක 10 හි විකෘති පරීක්ෂණයක් ලෙස ගැඹුරු කරන්නෙමු.)
සත්යාපන විනය: පියවර තුනක්
AI විශ්වාසයෙන් කතා කරයි; ඒක ඇත්ත කියන එක නෙවෙයි. සෑම ප්රතිඵලයකටම අදාළ වන පරිදි තුන්-පියවර ප්රත්යාවර්තයක් වර්ධනය කරන්න:
- එය අවශ්යතාවයට බැඳ තබන්න. සෑම පරීක්ෂණ අවස්ථාවක්ම සහ AI නිපදවන සැබෑ අවශ්යතාවයක් හෝ පිළිගැනීමේ නිර්ණායකයක් මත පදනම් විය යුතු බව ප්රකාශ කරයි ("කර ඇති" යැයි සැලකීම සඳහා රැකියාවක් සපුරාලිය යුතු කොන්දේසි). "මෙම සිද්ධිය තහවුරු කරන්නේ කුමන රීතියද?" අහන්න.
- රතු බලන්න. කේතය බිඳ දමමින් උත්පාදනය කරන ලද පරීක්ෂණය එක් වරක් ධාවනය කරන්න. එය රතු පැහැයට හැරෙන්නේ නැත්නම්, පරීක්ෂණය අවලංගු වේ. මෙය AI පරීක්ෂණයේ සාකච්ඡා කළ නොහැකි පියවරයි.
- එය සන්දර්භය පෙරහන හරහා යන්න. නිෂ්පාදන හැසිරීම, ගෘහ නිර්මාණ ශිල්පය, සැබෑ පරිශීලක ප්රවාහය යන ඔබ දන්නා දේට ප්රතිදානය ගැලපේද? ඔබගේ වසම් දැනුම අවසාන පෙරහන වේ.
දත්ත රහස්යතාව සහ ආරක්ෂාව: කොහෙද යන්නේ?
පරීක්ෂණ පරිසරය තුළ ඔබ වැඩ කරන දත්ත බොහෝ විට සංවේදී වේ: සැබෑ පාරිභෝගික වාර්තා, නිෂ්පාදන දත්ත සමුදා පිටපත්, API යතුරු, අභ්යන්තර පද්ධති ලිපින, තවමත් ප්රකාශ කිරීමට නියමිත විශේෂාංග. සරල වර්ගීකරණයක් කරන්න: විවෘත දත්ත (ලේඛනගත, ප්රසිද්ධියේ ලබා ගත හැකි) ඕනෑම වාහනයකට ඇතුළු විය හැක. අභ්යන්තර දත්ත (මූලාශ්ර කේත කොටස්, අභ්යන්තර ලේඛන) නියෝජිතායතන අනුමත මෙවලම් වෙත පමණි. රහස්ය දත්ත (සැබෑ පාරිභෝගික දත්ත, අනන්යතා තොරතුරු, අවදානම් තොරතුරු, යතුරු) ඇතුළු වන්නේ ආයතනයේ ගිවිසුම්ගත මෙවලම්වලට පමණක් වන අතර, ඒවායේ දත්ත ආකෘති පුහුණුවට නොයනු ඇත, වඩාත් සුදුසුය.
ආරක්ෂක පරීක්ෂණ සන්දර්භය තුළ අමතර සීමාවක් තිබේ: මෙම මොඩියුලයේ ඉගෙන ගන්නා සෑම දෙයක්ම ආරක්ෂක අරමුණු සඳහා වේ - ඔබේම නිෂ්පාදනයේ ආරක්ෂාව අධිකාරී ලෙස පරීක්ෂා කිරීමට. අවසරයකින් තොරව වෙනත් කෙනෙකුගේ පද්ධතියට රිංගීමට AI භාවිතා කිරීම, සැබෑ දුර්වලතා ආයුධ සන්නද්ධ කිරීම හෝ ඔබට අධිකාරියක් නොමැති පද්ධතියක් පරීක්ෂා කිරීම සදාචාර විරෝධී මෙන්ම සාපරාධී ක්රියාවකි. අවසරයකින් තොරව කිසිදු අහිතකර පරීක්ෂණයක් සිදු නොකෙරේ (පථය සහ අවසරය).
ඉඟිය: සැබෑ පාරිභෝගික දත්ත වෙනුවට කෘතිම (කෘතිමව නිෂ්පාදනය කරන ලද) පරීක්ෂණ දත්ත භාවිතා කරන්න. “තාත්වික නමුත් සම්පූර්ණයෙන්ම ප්රබන්ධ පරීක්ෂණ දත්ත උත්පාදනය කිරීමට” AI වෙතින් ඉල්ලා සිටීම පෞද්ගලිකත්වය ආරක්ෂා කරන අතර එජ් කේස් විවිධාංගීකරණය කරයි.
කුඩා නඩු තුනක්
නඩුව 1 - නියම ස්ථානයේ කාලය ඉතිරි කරන්න. Ekomerce කණ්ඩායමක පරීක්ෂකවරයා එක් එක් නිකුතුව සඳහා පිටු 30ක අවශ්යතා ලේඛනයෙන් පරීක්ෂණ ජවනිකාවක් අතින් නිර්මාණය කිරීමට පැය 6ක් වැය කළේය. ඔහු YZ වෙත ලේඛනය (වෙළඳ රහස් අඩංගු නොවන කොටස) ලබා දී ව්යුහගත අවස්ථා කෙටුම්පතක් ඉල්ලා සිටියේය; කාලය විනාඩි 90 දක්වා අඩු විය. AI හට මග හැරුණු ව්යාපාර-නීති එජ් කේස් එකතු කරමින් ඔහු විසින්ම සත්යාපනය කිරීමට ඉතිරි වූ කාලය කැප කළේය. AI විසින් පුනරාවර්තන කාර්යය ඉවත් කර, විනිශ්චය මිනිසාට පැවරීය.
නඩුව 2 - ව්යාජ-පාස් කිරීම මාට්ටු. සංවර්ධකයෙකුට AI විසින් පරිගණක කාර්යයක් සඳහා ඒකක 12 පරීක්ෂණ ලිවීමට ඇත; ඒවා සියල්ල කොළ පාට විය. පරීක්ෂකයා "රතු බලන්න" පියවර ක්රියාත්මක කළේය: ශ්රිතය තුළ ඇති එකතු කිරීමේ ලකුණ හිතාමතාම ගුණ කිරීමට වෙනස් කිරීම. පරීක්ෂණ 12 න් 3 ක් පමණක් රතු පැහැයෙන් ආපසු පැමිණියේය. අනෙකුත් පරීක්ෂණ 9 සැබෑ තහවුරු කිරීමක් ලබා දුන්නේ නැත; එහි සඳහන් වූයේ "එය දෝෂයක් විසි කළේ නැත" යනුවෙනි. අලංකාර පරීක්ෂණ 9 ක් මකා දැමූ අතර ඒ වෙනුවට සැබෑ පරීක්ෂණ 5 ක් ලියා ඇත.
නඩුව 3 - පුද්ගලිකත්වය උල්ලංඝනය කිරීමෙන් ආපසු පැමිණීම. සීමාවාසිකයෙකු සැබෑ පාරිභෝගික ඊමේල් සහ නිෂ්පාදන දත්ත ගබඩාවෙන් කාඩ්පතේ අවසාන ඉලක්කම් හතර අඩංගු දෝෂ ලොගයක් පොදු මෙවලමකට අලවා "මෙම දෝෂය පැහැදිලි කරන්න" යැයි පැවසීය. QA නායකයා මැදිහත් විය: මෙය පුද්ගලික දත්ත පාලනයෙන් තොර වූ අතර KVKK (පුද්ගලික දත්ත ආරක්ෂණ නීතිය) උල්ලංඝනය කිරීමකි. එම කාර්යයම ආයතනය විසින් අනුමත කරන ලද වාහනයක සිදු කරන ලද අතර, පුද්ගලික ස්ථාන ආවරණය කර, තොගයක් පමණක් ඉතිරි කර ඇත.
පිටපත් කළ හැකි සැකිලි හතරක්
1) රැකියා යෝග්යතා තක්සේරුව:
ඔබේ කාර්යභාරය: ජ්යෙෂ්ඨ QA නායකයා. මම ඔබට පරීක්ෂණ කාර්යයක් විස්තර කරන්නම්. මට කියන්න (1) මෙම කාර්යය AI වෙත ආරක්ෂිතව පැවරිය හැකි කෙටුම්පත්/විශ්ලේෂණ කාර්යයක් ද නැතහොත් මිනිසා විසින් ගත යුතු ගුණාත්මක තීරණයක් ද, (2) වැරදි ප්රතිදානයේ විභව පිරිවැය, (3) පැවරීමට පෙර මා කළ යුතු සත්යාපනය. රැකියාව: [වැඩ මෙහි ඇතුළත් කරන්න]
2) ව්යාජ පාස් පාලනය:
පහත පරීක්ෂණය පරීක්ෂා කරන්න. මට කියන්න:- මෙම පරීක්ෂණය තහවුරු කරන්නේ කුමන හැසිරීමද? (එක් වාක්යයක්)- පරීක්ෂණය රතු පැහැයට හැරෙන පරිදි පරීක්ෂණය යටතේ ඇති කේතය බිඳ දැමිය හැක්කේ කෙසේද?- මෙම පරීක්ෂණය සැමවිටම සමත් වීමට හේතු විය හැකි දුර්වලතාවක් තිබේද (අතුරුදහන් ප්රකාශය, ස්වයං වලංගු කිරීම, සුළු පරීක්ෂණය)? පරීක්ෂණය: [පරීක්ෂණය මෙහි අලවන්න]
3) පරීක්ෂණ දත්ත ආවරණ පාලනය:
මම ඔබට ලබා දෙන ලොගය/දත්තෙහි පුද්ගලික හෝ රහස්ය ක්ෂේත්ර (ඊමේල්, නම, කාඩ්පත, යතුර, අභ්යන්තර ලිපිනය) අඩංගු විය හැක. පළමුව, ආවරණ කළ යුතු ක්ෂේත්ර ලැයිස්තුගත කරන්න; මම එය මාස්ක් කර නැවත එවන්නම්. එය එසේ විශ්ලේෂණය නොකරන්න.
4) සින්තටික් පරීක්ෂණ දත්ත උත්පාදනය:
[පහත ක්ෂේත්ර ව්යුහය] සඳහා සම්පූර්ණයෙන්ම ප්රබන්ධ, යථාර්ථවාදී පරීක්ෂණ දත්ත පේළි 20ක් උත්පාදනය කරන්න. සැබෑ පුද්ගල/සංවිධාන දත්ත භාවිතා නොකරන්න. අන්ත අවස්ථා ද ඇතුළත් කරන්න: හිස් ඉඩ, ඉතා දිගු පෙළ, සීමා අගයන්, වලංගු නොවන ආකෘතිය.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල: "මෙම කේතය මත පරීක්ෂණ ලියන්න."
ශක්තිමත්: "වට්ටම් ශ්රිතය සඳහා මෙම ලිවීමේ ඒකකයේ පරීක්ෂණ ගණනය කරන්න. ශ්රිතය සඳහා පිළිගැනීමේ නිර්ණායක: TL 1000 ට වඩා 10% වට්ටමක්, TL 5000 ට වඩා 20% වට්ටමක්; සෘණ අගයක් දෝෂයක් ඇති කළ යුතුය. ඔබ එක් එක් පරීක්ෂණය සඳහා වලංගු කරන රීතිය විවරණ රේඛාවක් සමඟ සඳහන් කරන්න. සීමාව 100, 00, 100, 05 අගයන් පරීක්ෂා කරන්න. 0, -1) මම කේතය හිස් කළහොත් හෝ සුළු ප්රකාශයක් නොලියන විට රතු පැහැයට හැරෙන සැබෑ ප්රකාශයන් භාවිතා කරන්න.
බලවත් ක්ෂණික; එය පිළිගැනීමේ නිර්ණායක, සීමා අගයන්, වලංගු කිරීමේ අපේක්ෂාවන් සහ පැහැදිලි වංචා-විරෝධී උපදෙස් සපයයි. දුර්වල විමසුම අලංකාර පරීක්ෂණයක් ලිවීමට AI ට ආරාධනා කරයි.
පොදු වැරදි
- හරිත විශ්වාසය. විභාගය සමත් වීම සාක්ෂියක් යැයි සිතීම. සැබෑ ප්රශ්නය නම්: ඔබ කේතය බිඳ දැමූ විට එය රතු පැහැයක් ගනීද?
- කිසිදු හේතුවක් නොදක්වා පරීක්ෂණයක් ඉල්ලා සිටීම. සත්යාපනය කළ යුතු දේ නොදැන AI සාමාන්ය, බොහෝ විට නිෂ්ඵල පරීක්ෂණ නිෂ්පාදනය කරයි.
- සත්යාපනය මඟ හැරීම. "AI එය ලිව්වා, එය බොහෝ විට සත්ය විය හැකිය" යනුවෙන් පැවසීම. වගකීම ප්රතිදානය භාවිතා කරන පුද්ගලයා වෙත පැවරේ.
- මෙවලම තුළට සැබෑ/සංවේදී දත්ත ඇලවීම. නිෂ්පාදන දත්ත, යතුරු හෝ පුද්ගලික දත්ත සමඟ වැඩ කිරීම.
- අනවසර ආරක්ෂක පරීක්ෂණ. විෂය පථය සහ අවසරයකින් තොරව ආක්රමණශීලී පරීක්ෂණ කිරීමට උත්සාහ කිරීම.
- තීරණ ගැනීම පැවරීමට AI භාවිතා කිරීම. "මෙම අනුවාදය නිකුත් කළ හැකිද?" යන ප්රශ්නය අසමින් AI වෙත සහ පිළිතුර අත්සනෙහි තැබීම.
සාරාංශයකින්
AI යනු QA ක්රියාවලියේ ප්රබල සහායකයෙකු වන අතර එය පුනරාවර්තන සහ නිෂ්පාදනය කළ හැකි කාර්යය වේගවත් කරයි; නමුත් ගුණාත්මක තීරණයේ වගකීම මිනිසා සතුය. මෙම වෘත්තියේ AI හි අංක එකේ අවදානම ව්යාජ සමත් වේ: පිළිවෙලට පෙනෙන නමුත් කිසිවක් තහවුරු නොකරන හරිත පරීක්ෂණ. සෑම AI පරීක්ෂණයක්ම හිතාමතාම කේතය බිඳ දැමීමෙන් පරීක්ෂා කරන්න; එය රතු පැහැයට හැරෙන්නේ නැත්නම්, එම පරීක්ෂණය සැරසිලි වේ. අවශ්යතාවයට එය බැඳ තබන්න, රතු බලන්න, සන්දර්භය පෙරහන හරහා යන්න. රහස්ය දත්ත වසන් කරන්න, බලයලත් සහ ආරක්ෂක අරමුණු සඳහා පමණක් ආරක්ෂක පරීක්ෂණ සිදු කරන්න.
යෙදුම් කාර්යය
ඔබේම ව්යාපෘතියෙන් AI-ජනනය කරන ලද (හෝ AI-ජනනය කරන ලද) ඒකක පරීක්ෂණ 5ක් ගන්න. එක් එක් සඳහා: (1) එය සත්යාපනය කරන්නේ කුමන හැසිරීමද යන්න එක් වාක්යයකින් ලියන්න, (2) හිතාමතාම කේතය බිඳ දමා පරීක්ෂාව යටතේ ධාවනය කර කීයක් රතු පැහැයට හැරේදැයි සටහන් කරන්න, (3) රතු පැහැයට හැරෙන්නේ නැති ඒවා "අලංකාර පරීක්ෂණ" ලෙස සලකුණු කර ඒවා සැබෑ ප්රකාශය සමඟ නැවත ලියන්න. ප්රතිඵලය වගුවකට දමන්න: පරීක්ෂණ නම / රීතිය එය සත්යාපනය කර ඇත / කැඩී ගිය විට / ක්රියාවෙන් කැඩී ගියේද යන්නයි.
පිරික්සුම් ලැයිස්තුව
- [ ] වැඩේ බාරදෙන්න කලින් මම ඇහුවා "වැරදි උනොත් මට මොනාද නැති වෙන්නේ?"
- [ ] මම කේතය බිඳ දැමීමෙන් සෑම AI පරීක්ෂණයක්ම පරීක්ෂා කළෙමි; මම රතු නොවුන එක වෙනුවට නියම ටෙස්ට් එක දැම්මා.
- [ ] මම පරීක්ෂණ අවස්ථා සැබෑ අවශ්යතා/පිළිගැනීමේ නිර්ණායකවලට සම්බන්ධ කළෙමි.
- [ ] මම සංවේදී/සැබෑ දත්ත මෙවලමට ලබා නොදී වසන් කළෙමි; මම හැකි නම් සින්තටික් දත්ත භාවිතා කළෙමි.
- [ ] මම ආරක්ෂක පරීක්ෂාව සලකා බැලුවේ අධිකාරිය තුළ සහ ආරක්ෂක අරමුණු සඳහා පමණි.
- [ ] "අනුවාදය නිකුත් කරන්නේද" යන තීරණය මම AI වෙත නොව මටම භාර කළෙමි.