-
公开(公告)号：CN113032243A
公开(公告)日：2021-06-25
申请号：CN202110116469.1
申请日：2021-01-28
Applicant: 上海计算机软件技术开发中心
Abstract: 本发明涉及一种移动应用程序GUI智能测试方法及系统，该方法包括：根据打图形元素标签的GUI截图训练目标检测模型；根据同时打图形元素标签和交互标签的GUI交互事件序列训练深度强化学习模型；获取移动应用程序当前状态的GUI截图；根据训练完成的目标检测模型，获得打图形元素标签的当前状态的GUI截图；检测图形元素标签中是否存在GUI缺陷；根据训练完成的深度强化学习模型，获得打图形元素标签和交互标签的当前状态的GUI截图；根据打图形元素标签和交互标签的当前状态的GUI截图，施加操作动作到被操作的图形元素，更新移动应用程序的状态；根据深度强化学习模型中奖励函数判断是否停止测试。本发明提高了移动应用程序GUI自动化测试的自动化水平及效率。
-
Patent Agency Ranking
公开(公告)号：CN117827660A
公开(公告)日：2024-04-05
申请号：CN202410000593.5
申请日：2024-01-02
Applicant: 上海计算机软件技术开发中心
IPC: G06F11/36 , G06F40/30 , G06F40/242 , G06F40/289
Abstract: 本发明公开了一种自然语言处理测试用例生成方法、系统、设备及介质，涉及自然语言处理测评领域，该方法包括：根据用户需求和应用场景确定词典；根据词典、用户的测试类型和测试项目，确定掩膜语言模板；掩膜语言模板中的掩膜为词典中的键或掩码符号；基于词典和预训练语言模型对掩膜语言模板中的掩膜进行预测，生成初步的测试用例；预训练语言模型采用训练集对深度学习模型进行训练得到；训练集包括：随机挖去若干词的中文文本和对应的完整中文文本；采用自然语言处理算法对初步的测试用例进行扩充，将扩充后的测试用例中语言通顺的测试用例确定为最终的测试用例。本发明能自动生成中文自然语言处理测试用例，适用于中文语境下的场景的测试。
-
公开(公告)号：CN117453563A
公开(公告)日：2024-01-26
申请号：CN202311524483.0
申请日：2023-11-15
Applicant: 上海计算机软件技术开发中心
IPC: G06F11/36 , G06V10/764
Abstract: 本发明公开一种应用程序GUI测试方法、系统、电子设备及存储介质，涉及移动应用测试技术领域，该方法包括：判断当前GUI图像是否存在缺陷；存在则将缺陷种类存入当前轨迹记忆中开启下一轨迹记忆，判断是否达到测试停止条件；不存在则判断当前轨迹记忆是否截止；截止则开启下一轨迹记忆，判断是否达到测试停止条件；若不截止或未达到测试停止条件，则从记忆仓库中搜索重要记忆；将重要记忆、图像信息记忆、目标设定和探索倾向输入多模态大模型得到当前探索倾向和当前操作，并分别添加到记忆仓库和当前轨迹记忆中，将当前操作施加到当前GUI上；更新当前GUI图像为下一GUI图像并进行测试。本发明提高了应用程序GUI测试的效率。
-
公开(公告)号：CN113032243B
公开(公告)日：2021-12-17
申请号：CN202110116469.1
申请日：2021-01-28
Applicant: 上海计算机软件技术开发中心
Abstract: 本发明涉及一种移动应用程序GUI智能测试方法及系统，该方法包括：根据打图形元素标签的GUI截图训练目标检测模型；根据同时打图形元素标签和交互标签的GUI交互事件序列训练深度强化学习模型；获取移动应用程序当前状态的GUI截图；根据训练完成的目标检测模型，获得打图形元素标签的当前状态的GUI截图；检测图形元素标签中是否存在GUI缺陷；根据训练完成的深度强化学习模型，获得打图形元素标签和交互标签的当前状态的GUI截图；根据打图形元素标签和交互标签的当前状态的GUI截图，施加操作动作到被操作的图形元素，更新移动应用程序的状态；根据深度强化学习模型中奖励函数判断是否停止测试。本发明提高了移动应用程序GUI自动化测试的自动化水平及效率。
-
公开(公告)号：CN112331353A
公开(公告)日：2021-02-05
申请号：CN202011244759.6
申请日：2020-11-10
Applicant: 上海计算机软件技术开发中心
IPC: G16H50/70
Abstract: 本发明涉及一种基于区块链的医疗人工智能模型训练系统，包括：模型分发模块、参数收集模块、模型训练模块、模型同步模块、区块链基础设施、医疗人工智能模型库、用户信息库、模型更新过程库以及模型发布模块。本发明中的上述系统能够打通各医疗机构的数据孤岛，并降低各医疗机构私有数据泄露的风险。系统中只传递模型及参数，因此可在私有数据保护的情况下，让人工智能模型在更多的数据样本下学习，提高模型准确率与泛化能力。此外，在系统中模型训练更新过程可追溯，从而实现模型的安全、可信与可控。
-
公开(公告)号：CN119046424A
公开(公告)日：2024-11-29
申请号：CN202411104009.7
申请日：2024-08-13
Applicant: 上海计算机软件技术开发中心
IPC: G06F16/332 , G06N3/008 , G06F18/214 , G06F18/2415
Abstract: 本申请公开了一种大语言模型测试数据集生成方法、系统、设备及介质，涉及自然语言处理领域，该方法包括：多个对话智能体基于提示语生成对话链：每个对话智能体根据提示语生成回答，并对其他对话智能体生成的回答进行质疑和评分，根据其他智能体给出的质疑和评分重新生成回答，最终将评分最高的回答作为最优回答；关键词提取智能体和关键词判断智能体基于提示语及最优回答生成判断链：关键词提取智能体从最优回答中提取关键词集合，关键词判断智能体对关键词集合进行质疑，关键词提取智能体根据质疑重新提取关键词集合，最终得到最优关键词集合；将提示语、最优回答及最优关键词集合存入数据库。本申请提高了大语言模型测试数据集的生成效率。
-
-
-
-
-
Search Results
6
records
(took 0.032 seconds)
