Becas
Pruebas Funcionales Asistidas por Inteligencia Artificial
La Inteligencia Artificial Generativa (IAGen) se ha convertido en una pieza fundamental del desarrollo de software. Uno de los aspectos en los que están resultando decisiva es la fase de pruebas donde permite dar apoyo tanto en la generación de pruebas, como en la mejora de pruebas existentes. Esto incluye tareas como generación de datos de pruebas realistas, generación de oráculos de prueba, detección de malos olores o cálculo de cobertura, entre otros. El objetivo principal de este trabajo es analizar cómo las técnicas de IAGen actuales, y en particular los grandes modelos de lenguaje (LLMs), pueden contribuir a mejorar las pruebas funcionales en Schneider Electric.
Objetivos
- Estudio y modelado del ecosistema de pruebas funcionales, tanto de verificación como de validación, de uno de los subsistemas de Schneider Electric.
- Estudio exploratorio del uso de LLMs comerciales para la generación y mejora de pruebas existentes incluyendo tareas de generación de datos de prueba, generación de oráculos de prueba (assertions), generación de casos de prueba y cálculo de cobertura.
Planificación temporal de tareas aproximada
- Estudio y modelado del ecosistema de pruebas funcionales del subsistema seleccionado.
- Análisis de la literatura sobre el uso de IAGen en pruebas.
- Aplicación de LLMs industriales con distintas técnicas de prompting a las tareas de pruebas seleccionadas. Diseño y ejecución de experimentos.
- Evaluación cuantitativa y cualitativa de los resultados.
Tutores:
Sergio Segura (US) y Lourdes Sanz (Schneider).
Si tienes alguna consulta adicional escribe a schneiderus@us.es
