计算机行业2024AI研发数字峰会AIDD北京站：基于大模型的测试断言生成技术
展望：
集成更多先进的LLMs：将最新的、更大规模的预训练语言模型（如CodeLlama和StarCoder）应用于断言生成任务，进一步提升生成断言的准确性和覆盖范围。
支持多种编程语言：扩展研究以支持更多的编程语言，不仅限于Java，从而验证方法在不同编程语言上的通用性。
动态评估指标：引入更多动态执行指标，以更准确地评估生成的断言在实际场景中的有效性，而不仅仅依赖静态匹配指标。
自动化错误修复：结合自动程序修复技术，解决大模型生成的测试用例中存在的编译和运行时错误，进一步提高生成测试用例的质量。
展望：
探索联合训练策略：进一步优化检索器和生成器的联合训练策略，以提高断言生成的准确性和覆盖率。
多候选断言改进：引入多候选断言生成策略，进一步提升预测准确率和生成质量。
检索增强生成策略：探索和优化检索增强生成策略，使得检索到的断言能够更好地指导生成过程，提升生成断言的准确性和实用性。
研究断言生成的实际应用场景，进一步提高模型性能：在实际开发环境中测试和验证模型，确保其在不同场景中的适用性和有效性。