邮储银行基于大模型技术的智能化测试初探

随着大模型技术的不断发展，人工智能的应用范围也变得愈加广泛。以金融测试领域为例，尽管自动化测试在提升效率、降低成本等方面成效显著，但其对人员能力要求相对较高，且测试周期不断压缩等因素也为自动化脚本的规范化编写和维护带来了巨大挑战，甚至制约了软件测试的快速发展。面向上述挑战，邮储银行基于多年积累的测试数据和知识，针对性训练软件测试领域的L2级别私有化大语言测试模型，并在测试用例、思维导图、自动化脚本生成等场景开展落地实践。

一、私有化大语言测试模型

技术特点

在软件测试领域，现阶段流程主要包含需求分析、单元测试代码设计、测试大纲/思维导图设计、测试用例设计、自动化脚本设计、测试数据准备等环节。在实际工作中，测试人员往往要花费大量时间研读需求，才能了解业务流程和测试要点，进而设计出好的用例，而测试质量也在很大程度上取决于测试人员的全局思维能力和逻辑判断能力。如今，大模型技术的出现为软件测试发展提供了全新机遇，通过将大模型技术应用在测试领域相关场景，测试人员将可快速批量分析业务需求，并且经过专有领域数据训练和微调，还可实现L2级的模型部署，针对测试领域各种不同的应用场景，完成更准确、更复杂的推理任务。

具体而言，私有化大语言测试模型可显著提升三方面能力：一是实现高度自动化，即