感谢YPS行业门户系统网友 对的时间点 的线索投递！

　　YPS行业门户系统 10 月 17 日消息，科技媒体 Appleinsider 昨日（10 月 16 日）发布博文，报道称苹果公司公布了 3 项 AI AI 研究成果，深入探讨了如何运用人工智能（AI）与大语言模型（LLM）提升软件开发与测试的效率。

　　这些研究分别聚焦于自动化质量工程（QE）测试、修复代码错误以及预测软件缺陷，旨在解决传统手动测试耗时、昂贵且易出错的痛点。

　　一、Agentic RAG Framework

　　第一项研究提出了一个“智能体 RAG 框架”（Agentic RAG Framework），专门用于软件自动化测试。

　　传统模式下，质量工程师需要花费 30-40% 的时间手动编写测试方案和脚本。为解决此问题，苹果设计了一个由六个专业 AI 智能体组成的协同系统，分别负责法规遵从、历史案例分析、测试生成等任务。

　　该框架取得了显著成效：不仅将测试准确率从 65% 提升至 94.8%，还将所需时间大幅缩短了 85%，同时 BUG 检测率也提高了 35%。

　　二、SWE-Gym

　　第二项研究则推出了一个名为“SWE-Gym”的训练环境，专门用于培养 AI 智能体解决真实世界的软件工程问题。

　　该环境整合了来自 11 个知名 Python 代码库的 2438 个真实 GitHub 问题，让 AI 在模拟环境中学习诊断并修复错误。

　　经过训练，基于语言模型的 AI 智能体成功解决了 72.5% 的编程任务。这项研究旨在通过 AI 辅助提升开发人员的生产力，并为探索“人机协作”编程模式提供了新方向。

　　三、ADE-QVAET

　　第三项研究聚焦于软件 BUG 的“事前预测”，并为此开发了名为“ADE-QVAET”的 AI 模型。

　　它结合了自适应优化技术（ADE）与量子变分自动编码器（QVAET），通过深度学习和模式识别来精准定位高维特征中的异常。

　　该研究的目标是利用 AI 从“被动修复”转向“主动预防”，从根本上提升软件质量。

　　YPS行业门户系统附上参考地址

　　Agentic RAG for Software Testing with Hybrid Vector-Graph and Multi-Agent Orchestration

　　Training Software Engineering Agents and Verifiers with SWE-Gym

　　Software Defect Prediction using Autoencoder Transformer Model