ලාභ:
- AI සමඟ අර්ථවත් ප්රකාශයක් සමඟ ඒකකය, ඒකාබද්ධ කිරීම සහ එජ් කේස් පරීක්ෂණ නිෂ්පාදනය කිරීමේ හැකියාව
- AI සහාය ඇතිව පරීක්ෂණ ආවරණය, සීමා අගයන් සහ ඍණාත්මක අවස්ථා ක්රමානුකූලව උපුටා ගැනීමේ හැකියාව
- AI මගින් නිපදවන පරීක්ෂණ ඇත්ත වශයෙන්ම හැසිරීම සත්යාපනය කරන අතර පවතින කේතය නැවත නැවත නොකරන්නේදැයි සත්යාපනය කිරීමේ හැකියාව
පරීක්ෂණ යනු මෘදුකාංගය සැබවින්ම පොරොන්දු වූ පරිදි ක්රියා කරන බව සනාථ කරන යාන්ත්රණයයි. හොඳ පරීක්ෂණ කට්ටලයක් වෙනස් කිරීමකින් යම් දෙයක් බිඳ දමනවාද යන්න තත්පර කිහිපයකින් ඔබට පවසන අතර ඉන්ජිනේරුවාට විශ්වාසයෙන් යුතුව ක්රියා කිරීමට නිදහස ලබා දේ. AI පරීක්ෂණ ලිවීමේ වඩාත්ම වෙහෙසකර සහ වඩාත්ම මඟ හැරුණු කොටස වේගවත් කරයි: අවස්ථා, කඩඉම් සහ negative ණාත්මක අවස්ථා රාශියක් ජනනය කරයි. නමුත් මෙහි රහසිගත උගුලක් තිබේ: AI විසින් කේතයේ වත්මන් (සමහර විට දෝෂ සහිත) හැසිරීම් සත්යාපනය කරන පරීක්ෂණ ලිවිය හැක, එහි හැසිරීම නොවේ; නැතහොත් එය සෑම විටම සමත් වන හිස් පරීක්ෂණ නිපදවිය හැකිය, ඇත්ත වශයෙන්ම කිසිවක් පරීක්ෂා නොකරයි. පරීක්ෂණයක වටිනාකම ඇත්තේ එය සමත්ද යන්න නොව, එය නිවැරදි දේ පරීක්ෂා කර එය වැරදි වූ විට රතු පැහැයට හැරේද යන්නයි.
මෙම ඒකකය තුළ, අර්ථවත් ප්රකාශයන් සමඟ ඒකකය, ඒකාබද්ධ කිරීම සහ එජ් කේස් පරීක්ෂණ නිෂ්පාදනය කරන්නේ කෙසේදැයි ඔබ ඉගෙන ගනු ඇත; පරීක්ෂණ ආවරණය, බිඳුම් ලක්ෂ්ය සහ අවාසි සහගත අවස්ථා ක්රමානුකූලව උපුටා ගන්නේ කෙසේද; සහ AI නිෂ්පාදනය කරන පරීක්ෂණ ඇත්ත වශයෙන්ම හැසිරීම් වල වලංගු භාවය තහවුරු කරන්නේ කෙසේදැයි ඔබට පරීක්ෂා කළ හැකි ආකාරය අපි බලමු.
සංකල්ප: ඒකක පරීක්ෂාව: තනි ශ්රිතයක්/පංතියක් හුදකලාව පරීක්ෂා කරයි. ඒකාබද්ධතා පරීක්ෂණය: බහුවිධ කොටස් නිවැරදිව එකට වැඩ කරන පරීක්ෂණ. ප්රකාශය: ප්රතිඵලයක් අපේක්ෂා කළ දෙයට සමාන බව පරීක්ෂා කරන ප්රකාශයක්; පරීක්ෂණයේ හදවත මෙයයි. ආවරණය: පරීක්ෂණ මගින් කොපමණ කේතයක් ධාවනය කරන්නේද; ඉහළ ආවරණයක් ගුණාත්මකභාවය සහතික නොකරයි.
අර්ථවත් පරීක්ෂණ නිෂ්පාදනය කිරීම
හොඳ පරීක්ෂණයක් පැහැදිලිව කරුණු තුනක් කරයි: එය රාජ්යයක් ස්ථාපිත කරයි, එය ක්රියාවක් කරයි, ප්රතිඵලය තහවුරු කරයි. AI වෙත පරීක්ෂණ මුද්රණය කරන විට, ඔබට සත්යාපනය කිරීමට අවශ්ය හැසිරීම සහ එය ආවරණය කළ යුතු අවස්ථා සඳහන් කරන්න; එසේ නොමැති නම්, එය සෑම විටම සමත් වන මතුපිට පරීක්ෂණ නිෂ්පාදනය කරයි.
- පරීක්ෂා කළ යුතු හැසිරීම නිර්වචනය කරන්න. "හරි ලෙස සලකන්නේ කුමක්ද?" ප්රශ්නයට පැහැදිලිව උත්තර දෙන්න.
- අවස්ථා වර්ග සඳහා විමසන්න. සාමාන්ය, සීමාව, සෘණ, දෝෂ තත්ත්වය.
- අර්ථවත් ප්රකාශයක් ආයාත කරන්න. එය "දෝෂයක් විසි කිරීම" පමණක් නොව, එය "නිවැරදි අගය ආපසු ලබා දුන්නේය".
- පරීක්ෂණයේ නිරවද්යතාවය පරීක්ෂා කරන්න. ඔබ දැනුවත්ව කේතය බිඳ දැමූ විට පරීක්ෂණය රතු පැහැයට හැරෙනවාද?
විස්තීරණ පරීක්ෂණ උත්පාදන විමසුම: "පහත දැක්වෙන 'අයදුම් කිරීමේ වට්ටම් (මුදල්, කූපනය)' ශ්රිතය සඳහා ඒකක පරීක්ෂණ ලියන්න. පහත සඳහන් කාණ්ඩවල අවම වශයෙන් එක් අවස්ථාවක් තිබිය යුතුය: (1) සාමාන්ය වලංගු කූපනය, (2) කඩඉම් ලකුණු (0 මුදල, 100% වට්ටමක්), (3) සෘණ (අවලංගු කූපනය, සෘණාත්මක අවස්ථාව) සෑම පරීක්ෂණයකදීම කොන්ක්රීට් අපේක්ෂිත අගය ('වැඩ කළ' පමණක් නොවේ) කියවිය හැකි කේතය නම් කරන්න: [කේතය]"
මායිම් අගය නිස්සාරණය කිරීමේ විමසුම: "මෙම ශ්රිතයේ ආදාන සඳහා මායිම් අගය විශ්ලේෂණයක් සිදු කරන්න. එක් එක් පරාමිතිය සඳහා, 'මායිමේදී', 'මායිමට මදක් පහළින්', 'මායිමයට මදක් ඉහළින්' යන අගයන් වගුවක් ලෙස උපුටා ගන්න. ඉන්පසු මෙම මායිම් ආවරණය වන පරීක්ෂණ අවස්ථා ලැයිස්තුගත කරන්න. පසුව මෙම මායිම් ආවරණය කරන පරීක්ෂණ අවස්ථා ලැයිස්තුගත කරන්න. [සංකේතය විශ්ලේෂණය කර ලියන්න එපා].
අවවාදයයි: ඉහළ පරීක්ෂණ ආවරණය (උදා. 90%) කේතය නිවැරදි බව ඔප්පු නොවේ. ආවරණ මඟින් පේළි කීයක් ක්රියාත්මක කර ඇත්ද යන්න; එම රේඛා නිවැරදි ප්රතිඵල ලබා දෙන බව නොවේ. අර්ථවත් ප්රකාශයකින් තොරව පරීක්ෂණයක් ආවරණය වැඩි කරන නමුත් කිසිවක් සහතික නොකරයි. ප්රකාශයේ අන්තර්ගතය තීරණය කරන්නේ ගුණාත්මකභාවය මිස ප්රකාශ ගණන නොවේ.
පරීක්ෂණයම පරීක්ෂා කිරීම: විකෘතියේ තර්කනය
AI-ජනනය කරන ලද පරීක්ෂණය ඇත්ත වශයෙන්ම ක්රියාත්මක වේද යන්න තේරුම් ගැනීමට වඩාත්ම ප්රායෝගික ක්රමය නම් කේතය හිතාමතාම බිඳ දැමීමයි (විකෘති පරීක්ෂණ තර්කනය). කොන්දේසියක් ආපසු හරවන්න, + ලකුණක් සාදන්න -; කිසිදු පරීක්ෂණයක් රතු පැහැයට හැරෙන්නේ නම්, ඔබේ පරීක්ෂණ ඇත්ත වශයෙන්ම එම හැසිරීම පවත්වා ගෙන යන්නේ නැත.
පරීක්ෂණ අවදානම් දඩයම් ප්රේරණය: "මෙම කේතයේ ඇති විය හැකි දෝෂ මොනවාදැයි මට කියන්න, පහත පරීක්ෂණවලට හසු නොවිය හැක. කේතයට කළ හැකි කුඩා විකෘති 5ක් යෝජනා කරන්න (උදා. >= වෙනුවට >, - + වෙනුවට) සහ එක් එක් සඳහා පවතින පරීක්ෂණ එය හසුවන්නේ දැයි සඳහන් කරන්න. හසු නොවූ ඒවා සඳහා, එය එකතු කළ යුතු බව යෝජනා කරන්න. පරීක්ෂණ කේතය: [code]" කේතය: [code]"
දුර්වල ක්ෂණික / ශක්තිමත් ක්ෂණික
දුර්වල: "මෙම කාර්යය සඳහා පරීක්ෂණයක් ලියන්න." (ප්රතිඵලය: සාමාන්යයෙන් එක් ප්රීතිමත් අවස්ථාවක්, දුර්වල ප්රකාශයක්; දෝෂ මඟ හැරේ.) STRONG: "මෙම 'මුරපද ප්රබල' ශ්රිතයට පරීක්ෂණයක් ලියන්න. රීතිය: අවම වශයෙන් අක්ෂර 8ක්, ලොකු අකුරු 1ක්, ඉලක්කම් 1ක් අවශ්ය වේ. පහත අවස්ථා වෙනම පරීක්ෂණ ලෙස ආවරණය කරන්න: හරියටම අක්ෂර 8 (ඉහළ, අඩු ඉලක්කම්, හිස් අකුරු නැත), අක්ෂර 7 තන්තුව, හිස් අවකාශයන් පමණක්, ඉතා දිගු (අක්ෂර 1000) සෑම පරීක්ෂණයකම අපේක්ෂිත සත්ය/අසත්ය අගය පැහැදිලිව ප්රකාශ කර එය පරීක්ෂා කරන දේ අනුව පරීක්ෂණය නම් කරන්න."
බලගතු ප්රමාදය නීති සහ සම්පූර්ණ මායිම් අවස්ථා ලබා දෙයි. "හරියටම අකුරු 8 / 7" වැනි මායිම් යුගල වැරදි කිරීමට වඩාත් පොදු ස්ථාන වේ (ව්යාකූල > සමඟ >=). දුර්වල කඩිනම් මෙම මායිම් මඟ හැර දෝෂය නිෂ්පාදනයට ගෙන යයි.
පරීක්ෂණ වර්ග සහ භාවිතා කළ යුතු ස්ථානය
පරීක්ෂණ වර්ගය
එය තහවුරු කරන්නේ කුමක්ද?
AI දායකත්වය
අවධානය
ඒකකය
තනි කාර්යය/පංතිය
බහු-දර්ශන වේගයෙන් ජනනය කරයි
අර්ථවත් ප්රකාශයක් අවශ්ය වේ
ඒකාබද්ධ කිරීම
එකට වැඩ කරන කොටස්
සිනාරියෝ සහ මොක් දත්ත කෙටුම්පත
සැබෑ ඇබ්බැහි හැසිරීම
අවසන් / පිළිගන්න
සම්පූර්ණ පරිශීලක ප්රවාහය
පියවර ලැයිස්තුව සහ අපේක්ෂාව
අස්ථාවරත්වයට ගොදුරු වේ
පසුබෑම
පැරණි දෝෂය නැවත පැමිණෙන්නේ නැත
වැරදි විශේෂිත පරීක්ෂණය
සෑම නිවැරදි කිරීමකටම එකතු කළ යුතුය
කුඩා නඩු
නඩුව 1 - සෑම විටම සමත් වන පරීක්ෂණය. AI ශ්රිතයකට පරීක්ෂණ 12ක් ලියන අතර ඒවා සියල්ලම සමත් වේ. ඉංජිනේරුවා සැකයට භාජනය වන අතර, ශ්රිතයේ ප්රතිලාභ අගය හිතාමතාම විකෘති කරයි; පරීක්ෂණ වලින් 3 ක් පමණක් රතු පැහැයට හැරේ. අනෙක් පරීක්ෂණ 9 හි අර්ථවත් ප්රකාශයන් අඩංගු නොවේ. විකෘති දඩයම් කිරීම මගින් පරීක්ෂණ ශක්තිමත් වේ; සැබෑ ආරක්ෂාව අවස්ථා 9 කින් ලැබේ.
නඩුව 2 - මායිම් දෝෂය. වයස තහවුරු කිරීමේ කාර්යයක් "18 සහ ඊට වැඩි වලංගු වේ" යැයි පැවසිය යුතු නමුත් >18 ලියා ඇත, එනම් වයස 18 ප්රතික්ෂේප වේ. දෝෂය පරීක්ෂා කිරීමේදී ක්ෂණිකව පෙන්නුම් කරන්නේ AI විසින් බිඳීම් ලක්ෂ්ය විශ්ලේෂණය හරහා “හරියටම 18” දර්ශනය ජනනය කරන බැවිනි. තනි සීමා පරීක්ෂණයක් ඕනෑම සැබෑ පරිශීලක පැමිණිලි වළක්වයි.
නඩුව 3 - වත්මන් හැසිරීම සවි කිරීම. AI හට "මෙම කේතය මත පදනම්ව පරීක්ෂණයක් ලියන්න" යැයි පැවසූ විට, එය දැනටමත් කේතයේ පවතින වටකුරු දෝෂයක් "නිවැරදි" ලෙස පිළිගන්නා පරීක්ෂණයක් නිෂ්පාදනය කරයි. ඉංජිනේරුවා විසින් කේතය නොව අවශ්යතාවයට (අපේක්ෂිත නිවැරදි අගය) අනුව පරීක්ෂණය මුද්රණය කරන විට, පරීක්ෂණය රතු පැහැයට හැරෙන අතර සැබෑ දෝෂය සිදුවේ. පරීක්ෂණ ව්යුත්පන්න විය යුත්තේ අපේක්ෂාවෙන් මිස කේතයෙන් නොවේ.
පොදු වැරදි
- තේරුමක් නැති ප්රකාශයක්. "දෝෂයක් විසි කළේ නැත" ප්රමාණවත් නොවේ; නිවැරදි අගය සත්යාපනය කළ යුතුය.
- ගුණාත්මකභාවය සමඟ විෂය පථය ව්යාකූල කරයි. ඉහළ ආවරණයක් යනු නිවැරදි ප්රතිඵල පිළිබඳ සහතිකයක් නොවේ.
- කේතය මගින් පරීක්ෂණය මුද්රණය කිරීම. වත්මන් දෝෂය "සත්ය" ලෙස නිවැරදි කරයි; පරීක්ෂණ අපේක්ෂාවෙන් ලබා ගත යුතුය.
- සීමා අගයන් මඟ හැරීම. ව්යාකූලත්වය > සමඟ >= යනු වඩාත් පොදු වැරැද්දයි; මායිම් යුගල පරීක්ෂා කළ යුතුය.
- පරීක්ෂණයම විගණනය නොකිරීම. ඔබ කේතය බිඳ දැමූ විට රතු පැහැයට හැරෙන්නේ නැති පරීක්ෂණයක් ආරක්ෂාව සපයන්නේ නැත.
සාරාංශයක් ලෙස
හොඳ පරීක්ෂණ කට්ටලයක් විශ්වාසයෙන් යුතුව වෙනස්කම් කිරීමට යතුරයි. AI ඉක්මනින් අවස්ථා, සීමාවන් සහ සෘණාත්මක අවස්ථා රාශියක් ජනනය කරයි; නමුත් එය අවශ්යතා වලට වඩා කේතයෙන් පරීක්ෂණ ලබා ගන්නේ නම්, එයට පවතින දෝෂ නිවැරදි කිරීමට හෝ සෑම විටම සමත් වන අර්ථ විරහිත පරීක්ෂණ ලිවීමට හැකිය. එක් එක් පරීක්ෂණයෙහි නිශ්චිත අපේක්ෂිත අගය තහවුරු කරන්න, බැඳුනු යුගල ඇතුළත් කරන්න, සහ ඔබේ පරීක්ෂණ හිතාමතාම කේතය බිඳ දැමීමෙන් ආරක්ෂා කරන බව තහවුරු කරන්න. ප්රකාශයේ අන්තර්ගතය, විෂය පථ ගණන නොව, ගුණාත්මකභාවය තීරණය කරයි.
යෙදුම් කාර්යය
ශ්රිතයක් තෝරා එය විස්තීරණ පරීක්ෂණ උත්පාදන විමසුමකින් වර්ග හතරකින් (සාමාන්ය, සීමාව, සෘණ, දෝෂය) පරීක්ෂණ උත්පාදනය කිරීමට සලස්වන්න; සෑම පරීක්ෂණයකදීම නිශ්චිත අපේක්ෂිත අගය තහවුරු කර ගන්න. ඉන්පසු පරීක්ෂණ අවදානම් දඩයම් ප්රේරකය ක්රියාත්මක කරන්න, කේතයේ කුඩා විකෘති 5ක් යෝජනා කරන්න, සහ ඔවුන් අල්ලා ගන්නා ඒවා පරීක්ෂා කිරීමට පරීක්ෂණ ක්රියාත්මක කරන්න. අඩුම තරමින් අල්ලා නොගත් එක් විකෘතියක් සඳහා නව පරීක්ෂණයක් එකතු කර එය දැන් රතු පැහැයෙන් ඇති බව පෙන්වන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම පරීක්ෂණ මුද්රණය කළේ කේතය මත නොව අපේක්ෂිත/නිවැරදි හැසිරීම මත පදනම්වය.
- [ ] මම සාමාන්ය, සීමාව, සෘණ සහ දෝෂ අවස්ථා ආවරණය කළෙමි.
- [ ] මම සෑම පරීක්ෂණයකදීම නිශ්චිත අපේක්ෂිත අගය තහවුරු කළෙමි.
- [ ] මම මායිම් යුගල පරීක්ෂා කළෙමි (ඉහළ-පහළ / තරමක් ඉහළින්-පහළ).
- [ ] හිතාමතාම කේතය බිඳ දැමීමෙන්, පරීක්ෂණ රතු පැහැයට හැරුණු බව මම තහවුරු කළෙමි.
- [ ] මම හඳුනා නොගත් විකෘති සඳහා නව පරීක්ෂණයක් එක් කළෙමි.