# Meta 报告在 Instagram 与 Facebook 的测试马拉松中部署 TestGen-LLM:被应用的类中 11.5% 得到改进,工程师将其 73% 的推荐测试用例接受进入生产

网页: https://flyvolo.ai/zh/changes/ev-20240214-software-tester-1
日期: 2024-02-14 · 阶段: 试点
这条记录能改变任务判断吗? 要和另一条独立记录一起才能
职业: https://flyvolo.ai/zh/careers/software-tester

## 适用范围

一家公司,对既有单元测试类做改进并经构建/通过/覆盖率过滤;生成用例 75% 可构建、57% 稳定通过、25% 提升覆盖。公司自撰论文;场景是限时测试马拉松而非日常流水线。

## 来源

- Meta — industry paper (arXiv 2402.09171, FSE 2024) — https://arxiv.org/abs/2402.09171 (一手来源)

## 这意味着什么

带着过滤数字的「编写测试用例」任务试点记录:在 Meta 的测试马拉松中,生成工具改进了它接触的 11.5% 的类,工程师接受了它推荐用例的 73%,其余在构建、通过、覆盖率过滤中被剔除。它支撑了任务页的机制 —— 测试可以批量生成,人的环节是接受或拒绝 —— 而 75% 可构建 / 57% 稳定通过 / 25% 提升覆盖,显示了有多少产出要被丢掉。

## 它还不能说明什么

这是一家测试基础设施成熟的公司里的一次限时活动,由工具作者撰写,工具做的是扩展既有单元测试类;它不从需求写测试、不涉及集成或端到端测试,也不在日常流水线中运行。这里没有任何内容显示 Meta 或其他任何公司的测试人员数量有变化。

## 怎么自己核实

选一个你负责测试的模块,用团队能用的任何生成工具对它已有的单元测试跑一遍,记下生成用例里有多少能构建、连续三次通过、增加了覆盖行;把你的三个数跟 Meta 的 75/57/25 比一比,就知道你的代码库对这类工具是更容易还是更难。


更多: https://flyvolo.ai/llms.txt