# Meta informó de haber desplegado TestGen-LLM en maratones de pruebas de Instagram y Facebook: mejoró el 11,5% de las clases a las que se aplicó y los ingenieros aceptaron en producción el 73% de los casos de prueba que recomendó

Página: https://flyvolo.ai/es/changes/ev-20240214-software-tester-1
Fecha: 2024-02-14 · Etapa: Prueba piloto
¿Puede este registro mover un juicio sobre una tarea? solo junto con otro registro independiente
Ocupación: https://flyvolo.ai/es/careers/software-tester

## Alcance

Una empresa, mejora de clases de pruebas unitarias ya existentes con filtros de compilación, aprobado y cobertura; el 75% de los casos generados compiló, el 57% pasó de forma fiable y el 25% añadió cobertura. Artículo escrito por la propia empresa; un contexto de maratón de pruebas acotada en el tiempo, no de uso rutinario en la canalización.

## Fuente

- Meta — industry paper (arXiv 2402.09171, FSE 2024) — https://arxiv.org/abs/2402.09171 (fuente primaria)

## Qué significa esto

Un registro de piloto sobre la tarea de escribir casos de prueba, con los filtros a la vista: en los test-a-thons de Meta una herramienta de generación mejoró el 11,5% de las clases que tocó y los ingenieros aceptaron el 73% de los casos que recomendó, después de que los filtros de compilación, de paso y de cobertura quitaran el resto. Apoya el mecanismo de la página de la tarea (pruebas generadas a volumen, y el paso humano es aceptar o rechazar), mientras que 75% compila, 57% pasa de forma fiable y 25% añade cobertura muestra cuánta salida se descarta.

## Lo que todavía no demuestra

Esto es un evento acotado en el tiempo en una empresa con infraestructura de pruebas madura, redactado por los propios autores de la herramienta, y la herramienta amplía clases de pruebas unitarias existentes; no escribe pruebas a partir de requisitos, ni cubre integración o extremo a extremo, ni corre en una tubería rutinaria. Aquí no hay nada que muestre un cambio en cuánta gente de pruebas emplean Meta ni nadie más.

## Cómo comprobarlo por tu cuenta

Coge un módulo que pruebes y ejecuta contra sus pruebas unitarias existentes la herramienta de generación a la que tenga acceso tu equipo; después registra cuántos casos generados compilan, pasan tres veces seguidas y añaden una línea de cobertura. Comparar tus tres cifras con el 75/57/25 de Meta te dice si tu base de código se lo pone más fácil o más difícil a las herramientas que la suya.


Más: https://flyvolo.ai/llms.txt