大模型测试技术与实践

本书共8章，第1章概述AI（Artificial Intelligence，人工智能）系统，介绍机器学习的模型和分类，以及AI系统对测试工程师“提出”的新问题等；第2章介绍数据的处理过程，以及数据的分组方法，详细介绍依托测试数据的测试评价方法；第3章讲解模型中超参数相关的概念，以及关于模型性能的评估指标，并介绍了较为主流的模型的基准测试；第4章重点介绍AI系统的测试用例设计方法，以及传统软件测试方法在AI系统测试中的应用，同时也介绍ChatGPT类应用中SSE（Server-Sent Events）协议的接口测试和LangSmith在测试过程中的使用方法；第5章介绍AI道德的验证，这也是大模型涌现后绝大多数大模型专家所关注的内容，该章重点介绍大模型的“道德”内容及验证方法；第6章介绍提示词工程和软件测试，我们既要能够测试大模型的应用，也要能够充分利用大模型完成测试工作，该章重点介绍通过提示词工程利用大模型完成测试工作的方法；第7章介绍智能化测试，通过学习开源的智能化测试工具及实践，读者可亲身体验智能化测试的好处；第8章介绍了从AI算法的智能化测试到大模型的智能化测试的转变的知识。本书内