社区
研发管理
帖子详情
如何在程序真正运行之前评估其质量?
to2008
2001-04-05 10:16:00
...全文
283
7
打赏
收藏
如何在程序真正运行之前评估其质量?
复制链接
扫一扫
分享
转发到动态
举报
AI
作业
写回复
配置赞助广告
用AI写文章
7 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
AutoAsm
2001-04-10
打赏
举报
回复
《CSCMM软件能力成熟度模型》不错,可以对照它来检查开发过程。
根据我的经验,代码走查比较有用,能发现很多编码阶段的问题。还有,模块不太复杂的情况下做百合也是好办法(从理论上),实际我很少用。
DongXY
2001-04-10
打赏
举报
回复
通常,大家认为测试是保证软件的质量的最佳方法。其实不然。按照CMM或PSP以及其他相关的
经验的总结,要保证质量必需保证软件开发过程,同时搜集开发过程的数据。比如:
1、写完程序后,在进行编译之前,进行代码审查,把此阶段发现的Bug数目记下。
2、编译程序,把调试过程发现的Bug数目记下。
3、测试程序,把此过程的发现的Bug数目记下。
测试完后,程序中还有Bug,数目可假定为3中发现的Bug数目。同时,参考上述三阶段发现Bug数
目在Bug总数目中所占的比例,可以判断程序的质量。
建议细细阅读并细细琢磨《CSCMM软件能力成熟度模型》一书。
gxdq
2001-04-07
打赏
举报
回复
Beta 测试
windindance
2001-04-05
打赏
举报
回复
需求一定要做好,
然后是系统设计,然后按需求测试。
youwill
2001-04-05
打赏
举报
回复
测试呀!模块要单元测试,拼起来系统测试。如果是要求可靠性很高的程序,最好开发专门的测试工具及测试流程进行仿真测试。
to2008
2001-04-05
打赏
举报
回复
to lujun2000:
谁说没人想听,我提的问题,我自然想知道答案。
lujun2000
2001-04-05
打赏
举报
回复
楼上的,我想这里没人想听P
国际权威数据
质量
原文修订:数据
质量
评估
的六个主要维度
数据
质量
评估
的六个主要维度 DAMA版权所有, 翻译修订by大数据庞涛13811850730 摘要 本文描述了
评估
数据
质量
的六个方面,由英国DAMA工作组制作 定义
评估
数据
质量
的维度 背景 ‘数据
质量
维度’这个词已经被广泛的在业内使用了很多年,然后一直没有一个统一的标准。 数据
质量
从业者也总是感到困惑,而商业组织的领导们就更迷惑了。 哲人苏格拉底说:智慧从定义术语开始。因此本文旨在定义关键...
系统上线前真的有必要做安全
评估
吗?
随着信息技术的飞速发展,安全问题逐渐成为目前影响和制约网络应用发展的一个重要因素。传统的信息安全
评估
服务多在应用系统生命周期的运维阶段开展,对于
评估
发现的安全隐患,特别是代码问题很难整改,在整改过程中也易导致系统
运行
故障。 大量用户在自主开发应用系统或委托开发应用系统时,更多的是从业务功能实现和性能方面对应用系统进行验收,缺乏相应的技术手段和能力对交付的应用系统的安全状况进行检验。如果应用系统在上线后由于存在类似SQL注入、密码明文传输、安全功能缺失等漏洞而遭受攻击,会直接影响正常业务
运行
,甚至造成经济和名
LLM大模型
评估
方法与
评估
指标
对在线
运行
的LLM进行
评估
,其实是最接近真实场景、最真实的。还有一种看起来挺有前途的方法,就是使用一些大家认为比较先进的LLM来
评估
其他模型的属性,但由于目前最先进的大模型仍然存在提升空间,因此使用这个方法
评估
新的大模型,可能本身也存在一些不确定性。但需要注意的是,目前的LLM并非真正的AGI,还存在很多问题,特别是在专业领域的理解上通用大模型还是比较欠缺,容易提供一些误导性信息以及错误的逻辑。在特定行业应用场景的大模型平台,应该可以在已有方法、框架、指标和基准的基础上进一步完善,以适应行业大模型的
评估
。
【Java-LangChain:使用 ChatGPT API 搭建系统-9】
评估
(上)-存在一个简单的正确答案时
在
之前
的章节中,我们展示了如何使用 LLM 构建应用
程序
,包括
评估
输入、处理输入以及在向用户显示输出
之前
进行最终输出检查。构建这样的系统后,如何知道它的工作情况?甚至在部署后并让用户使用它时,如何跟踪它的
运行
情况,发现任何缺陷,并持续改进系统的答案
质量
?在本章中,我们想与您分享一些最佳实践,用于
评估
LLM 的输出。构建基于 LLM 的应用
程序
与传统的监督学习应用
程序
有所不同。由于可以快速构建基于 LLM 的应用
程序
,因此
评估
方法通常不从测试集开始。相反,通常会逐渐建立一组测试示例。
大数据新视界 --大数据大厂之数据
质量
评估
指标与方法:提升数据可信度
本文围绕大数据的数据
质量
评估
指标(准确性、完整性、一致性、时效性、唯一性、有效性、精确性)和方法(数据剖析、
质量
监控、审计)展开,结合多行业案例深入阐述提升数据可信度的重要性与具体操作,考虑了不同行业、不同规模企业的差异,还提供了代码示例并对相关概念进行详细解释,同时更多地引用了行业标准增强专业性,并补充了部分领域的前沿动态。
研发管理
1,268
社区成员
28,284
社区内容
发帖
与我相关
我的任务
研发管理
软件工程/管理 管理版
复制链接
扫一扫
分享
社区描述
软件工程/管理 管理版
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章