Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo. La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro. Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.
Este artículo presenta un método de generación automática de casos de prueba basado en GenAI que aprovecha los Modelos de Lenguaje a Gran Escala (LLM) y los Modelos de Lenguaje de Visión (VLM) para transformar los requisitos de lenguaje natural y los diagramas de sistema en casos de prueba estructurados Gherkin. Al integrar el modelado de especificación de señales automotrices, se estandarizan las definiciones de señales del vehículo, se mejora la interoperabilidad entre subsistemas automotrices y se simplifica la integración con herramientas de prueba de terceros. Los casos de prueba generados se ejecutan en la plataforma digital.auto, un entorno abierto e independiente del proveedor, diseñado para la verificación rápida de las funciones del vehículo definidas por software. Evaluamos este enfoque utilizando un caso de uso de un sistema de detección de presencia infantil, demostrando una reducción significativa en el esfuerzo de especificación manual de pruebas y una rápida ejecución de las pruebas generadas.
Takeaways, Limitations
•
Takeaways:
◦
La generación automática de casos de prueba mediante GenAI puede reducir significativamente la cantidad de trabajo manual.
◦
Integra el modelado de especificaciones de señales automotrices para mejorar la compatibilidad e integración de casos de prueba.
◦
Ejecución y validación rápida de pruebas utilizando la plataforma digital.auto.
•
Limitations:
◦
Debido a las limitaciones actuales del pipeline GenAI y las restricciones de la plataforma digital.auto, la generación de casos de prueba y scripts de prueba aún requiere intervención manual.
