共 2 篇文章
生成式 AI 不能全部替代软件测试,但会重构测试。本文梳理传统测试未解难题,用 Knight-Leveson 实验、LLM 断言与自评研究说明“AI 测 AI”为何放大同源偏差,结合 GitClear、DORA、Google 变异测试与形式化验证给出应对代码膨胀的办法,并依据 DO-178C/DO-330 与 CrowdStrike 事故,回答关键基础设施该怎么测、能否全盘生成代码。
以arXiv最新论文《Agentic Software: How AI Agents Are Restructuring the Software Paradigm》为切入点,论证银行并不会因AI智能体而淘汰软件工程师:核心账务与风控需要更厚的传统工程内核,外围业务才能交给智能体。本文给出银行版'双内核'结论与四类新兴角色定义。