苹果发布3项AI技术：自动编写测试、修复BUG与预测代码缺陷

10月17日消息，科技媒体Appleinsider昨日（10月16日）发布博文报道称，苹果公司近期公布了三项AI研究成果，深入探讨了如何利用人工智能（AI）与大语言模型（LLM）来提升软件开发与测试过程的效率。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

这三项研究分别聚焦于软件自动化质量工程（QE）测试、代码错误修复以及软件缺陷预测，旨在解决传统手动测试方式耗时、成本高昂且容易出错的问题。

一、智能体RAG框架

第一项研究提出了一个名为"智能体RAG框架"（Agentic RAG Framework），专门用于软件自动化测试。

在传统模式下，质量工程师需要花费30%-40%的时间手动编写测试方案和脚本。为解决此问题，苹果设计了一个由六个专业AI智能体组成的协同系统，分别负责法规遵循、历史案例分析、测试生成等任务。

该框架成效显著：不仅将测试准确率从65%提升至94.8%，还将所需时间大幅缩短了85%，同时软件缺陷检出率也提高了35%。

二、SWE-Gym训练平台

第二项研究推出了名为"SWE-Gym"的训练环境，专门用于培养AI智能体解决现实世界的软件工程问题。

该平台整合了来自11个知名Python代码库的2438个真实GitHub问题，让AI在模拟环境中学习诊断并修复代码错误。

经过训练，基于语言模型的AI智能体成功解决了72.5%的编程任务。这项研究旨在通过AI辅助提升开发人员的生产力，并为探索"人机协作"编程模式提供了新思路。

三、ADE-QVAET预测模型

第三项研究聚焦于软件缺陷的"事前预测"，并为此开发了名为"ADE-QVAET"的AI模型。

该模型结合了自适应优化技术（ADE）与量子变分自动编码器（QVAET），通过深度学习和模式识别来精准定位高维特征中的异常情况。

这项研究的目标是利用AI将软件维护从"被动修复"转变为"主动预防"，从本质上提升软件产品质量。

参考资料

Agentic RAG for Software Testing with Hybrid Vector-Graph and Multi-Agent Orchestration

Training Software Engineering Agents and Verifiers with SWE-Gym

Software Defect Prediction using Autoencoder Transformer Model