5月26日,由中国软件测试认证委员会(CSTQB®)、TMMi®基金会中国分会(TMMiCN)、国际需求工程委员会中国分会(CREB)联合主办,以“软件助力科技创新,质量保障产业发展”为主题的第十二届中国国际软件质量工程(iSQE)峰会在河南焦作召开。紫光股份旗下新华三集团应邀出席本次行业盛会,围绕软件质量保障及测试实践和创新,阐述了新华三基于敏捷实践助力研发测试质效双升,以质量赋能测试体系建设的新见解、新思路。

化解应用质量的挑战,为测试体系质量和效能的双提升找到“最优解”
当百行百业数字化转型步入深水区,对应用质量及软件测试的要求日趋严苛。很多企业面临架构复杂、多环境快速部署、开发测试周期缩短、测试工具平台分散、缺少新技术实践等问题,给应用质量测试体系建设带来的效能、质量和技术的三重挑战。
在iSQE峰会上,新华三集团应用技术业务部部长余名接受媒体采访时表示,在测试服务发展趋势和企业客户测试管理与质量管理能力提升来看,敏捷化、精益化、平台化的测试服务体系建设将是“最优解”。针对企业关注的测试质量提升及测试体系建设问题,余名认为各大企业可通过TMMi高成熟度的质量度量、质量评估、缺陷预防、质量控制等维度进行探索和实践,利用云原生测试、自动化测试、云测试、精准测试等专业化平台,确保测试效能持续提升、测试体系有效落地。

新华三集团依托在应用质量及软件测试领域多年的技术创新和持续实践,聚焦行业客户在软件测试、质量保障、测试体系建设方面的需求,在敏捷模式下重新定义测试体系和测试实践,构建起以全栈技术服务、拥抱云智原生、跨越双态交付、卓越质量保障、创新技术赋能、开放服务生态六个维度的敏捷模式下的测试体系,通过敏捷测试组织与能力建设、重新梳理测试流程与测试活动,实现对应用软件测试体系的全生命周期的质量保障。

助力研发测试质效双升,从质量保障走向质量赋能
为实现应用开发测试的质量和效能的双提升,新华三集团从研发测试的质效出发来着手构建度量体系,形成统筹全局的质效度量全景视图和清晰明确的落地实施流程,通过规范化、平台化、可视化、精细化和智能化的管理,提高了研发测试的效率,进而实现从应用质量保障走向质量赋能。
●精准测试平台助力测试提质增效。以源代码为基础,利用静态代码分析、动态插桩、链路跟踪、代码执行统计等技术,提高测试准确性、测试充分性、提升测试效率;
●精益自动化测试平台助力质效提升。基于众多自动化测试成功案例面向自动化测试推出的整体解决方案,提高测试执行效率,提升软件质量的同时,可降低测试成本;
●云测试管理平台助力测试体系建设。云测试平台可提供可视化中心和能力接入和集成的测试服务商店,解决知识难以沉淀、缺乏统一的质量分析、跨项目合作不便捷等痛点;
●DevOps平台助力研发效能提升。基于敏捷理念与DevOps工程实践,打通开发、测试和运维,实现业务能力的快速迭代,为应用软件研发提供全方位工具平台支撑能力。
●研发效能管理平台。覆盖研发全生命周期的效能数据采集,从交付效率、交付质量、交付能力多个维度,评估和改善研发效能,帮助企业打造效能度量、分析、回顾、改进闭环。
在峰会期间,新华三集团助力信息化建设的多家企业获得TMMi卓越实践奖和卓越贡献奖,如中国银行、建信金融科技有限责任公司、华泰证券股份有限公司、海通证券股份有限公司、重庆银行股份有限公司、中信信托有限责任公司、中银富登村镇银行股份有限公司等,均以优异的质量保障和测试服务实践成效,验证了新华三在TMMi咨询认证服务方面强大服务能力和业务优势。
新华三集团以技术优势和服务创新带动客户全面提升应用质量管理水平和完善测试体系,率先在国内引进TMMi体系,发布TaaS一站式测试管理服务,推出新华三精准测试平台等,以业务决策更智慧、业务响应更及时、业务部署更敏捷、业务保障更可靠、业务环境更安全为目标,为客户重构全面的质量管理和测试体系赋能客户共赢成长。
目前,新华三集团依托创新的技术服务和丰富的服务经验,已构建起涵盖架构咨询、应用技术、统一运维、数据中心、技术维护服务等五大维度的技术服务版图。面对IT服务行业发展趋势和客户需求的变化,新华三将坚持“云智原生”战略,发挥技术服务领域积淀的综合优势,不断创新服务理念和服务模式,以全方位的服务满足客户需求,充分激活数字化服务的价值,做数字化转型最可信赖的服务合作伙伴。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。