ZD至顶网CIO与应用频道 04月15日 北京消息(文/孙博): 记得前两年,随着移动互联网热潮,移动App火了一把,身边放弃优厚薪资待遇而投身App创业的人不在少数,各个垂直细分类App层出不穷。这些初创企业除了将应用本身内容、服务做好以外,很多人嘴里谈的更多的则是用户体验,而用户体验中不可或缺的则是应用的稳定性,正所谓“三分开发七分测试”,无BUG、运行稳定才是增强用户黏度的基础。
昨天,Testin发布2.0测试服务,主打移动APP一站式云测试服务平台、Testin一站式缺陷智能解决平台,具体来说就是满足所有APP的测试需求,一站式管理APP质量。
“Testin为什么要做测试?第一、任何一个团队都无法拥有足够的机型覆盖来完成测试;第二、异常测试环境非常难以重现;第三、隐性的测试缺陷,很难被发现;第四、测试的代码量非常复杂,代码的行数越来越多;第五、性能的测试没办法在交付服务之前能完全以真实的环境去交付用户体验;第六、任何的应用即便经过最严格的测试BUG依旧存在。”
在大型软件开发过程中,测试工作需要耗费大量的时间与成本,而测试手段完全采用手工测试,测试的效率与准确性都非常低。而在大多数情况下,软件测试自动化则可以减少开支,增加有限时间内可执行的测试,在执行相同数量测试时节约测试时间。Testin云测创始人CEO王军的愿景就是希望让天下没有难做的APP。
Testin云测创始人CEO王军
Testin云测作为世界上首家推出基于真机测试实验室及自动化测试技术的移动应用“云测试(Cloud Testing)”服务的企业,自2011年成立以来,Testin基于云端提供移动相关测试设备超过50000部,拥有超过100项移动应用及相关领域独有的质量管理,测试技术专利;服务超过60万移动开发者、服务的移动APP数量超过160万,累计测试移动应用达1.3亿次。
此次发布的“缺陷智能解决平台”,简单来说就是一个IBM沃森和谷歌AlphaGO的自动学习过程。在开发阶段,对远程真机的调试以及内测进行版本的记录和测试的管理,并且记录在使用过程中所出现的问题。企业中研发人员可以做到标记缺陷、缺陷分类并且指派跟进、缺陷动态重现等一整套移动应用缺陷管理流程。
据了解,Testin自成立以来,累计融资近 1 亿美金的投资,投资方分别为海银资本、高榕资本、IDG 资本。“人口红利消失了,这个时候对效率的追求就出现了,许多企业开始追寻企业级服务。此外,近两年产能的过剩,供求关系发生变化。上游开始对渠道产生了巨大的依赖,这个时候渠道就有整合的机会。并且上游和渠道在赛跑,谁更快、更早地完成整合,谁就有话语权,就可以拿到更多的价值,”IDG副总裁张海涛谈到,IDG从2011年开始看企业服务,在2B的方向上(包括企业服务和B2B电商),已经投资了四五十家公司,投资总额在过去一两年里在IDG整个投资额中占比超30%。
IDG副总裁张海涛
“社会分工让每个人更专业,提了整个社会整体的效率和生产率,如果每个企业都能把他们产品的测试外包给Testin,结果是由全世界最擅长测试的公司及做测试,每个企业都专注他的优势就好了,这个世界变得更美好。”在投资人张海涛看来,测试是产品开发过程中非常重要的一部分,不但占时间、占金钱,还可能决定产品的生死。所以专人做专事,才能为企业带来最大经济效益。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。