ab测试标签_2048 AI社区

ab测试

你的简历里最值钱的两个地方，都被你否决了

摘要：一位软件测试求职者在模拟面试中发现自己低估了简历中的两大亮点——大模型测试和算法平台经验。面试官指出，这些正是当前最热门的技术方向，建议他不仅要掌握基础原理，还要学会用"故事思维"包装项目经历。关键启示：1）挖掘简历中的技术亮点并深入理解；2）用"问题-解决-成果"的故事框架展示能力；3）适度突出开发背景等差异化优势；4）重点准备算法简单题而非死磕八股

 霍格沃兹测试开发学社
2026-05-15 16:55:23

 343

 3

#单元测试 #压力测试 #测试用例 +4
当 Agent 开始接管测试体系：MCP + Skills 背后的工程真相

《AI驱动的测试体系架构变革：从脚本生成到智能调度》摘要： 2026年测试领域正经历结构性变革，核心在于测试体系的重构而非单纯的生成能力。本文提出Agent+MCP+Skills三层架构模型：决策层Agent负责规划调度，能力层Skills抽象测试模块，执行层MCPTool标准化操作。该架构实现了接口自动化的规划-生成-修复闭环、UI自动化的稳定性控制策略，以及性能测试的智能边界划分。关键突破在

 霍格沃兹测试开发学社
2026-03-31 16:31:28

 431

 8

#单元测试 #压力测试 #测试用例 +3
PSO粒子群算法优化BP神经网络（PSO - BPNN）回归预测在电厂运行数据中的应用

PSO粒子群算法优化BP神经网络（PSO-BPNN）回归预测MATLAB代码（有优化前后的对比）代码注释清楚。main为运行主程序，可以读取本地EXCEL数据。很方便，容易上手。（以电厂运行数据为例）温馨提示：联系请考虑是否需要，程序代码商品，一经售出，概不退换。在电力行业中，准确预测电厂运行数据对于优化电厂运行、提高能源效率以及保障电力供应的稳定性至关重要。

CZlNFGPr
2026-03-03 20:30:00

 148

 2

#ab测试
【高阶运营】主图点击率全靠猜？揭秘大卖如何用 AI 批量制作“AB测试”素材，用数据跑出爆款！

在亚马逊或独立站运营中，点击率（CTR）是衡量主图质量的唯一标准。然而，很多卖家在制作图片时往往陷入“主观审美陷阱”——“我觉得这张好看”并不代表买家会点击。打破这一困局的最佳方法是进行A/B 测试。但为同一个产品制作 3-5 套不同风格、不同文案的图片，人工成本极高。本文将解析如何利用 AI 的参数化生成技术，低成本、高效率地批量产出多版本测试素材，助你用数据选出真正的“爆款图”。在数据面前，经

 林焱RPA+AI
2026-01-25 20:32:19

 788

 12

#人工智能 #ab测试 #大数据 +2
项目实践笔记 9：打卡/日报Agent项目Bug 修改与稳定性收口（v1.0）

在打卡 / 日报 Agent v1.0 的测试过程中，而是从测试视角出发，选取了几类具有代表性的 Bug 进行修改与收口。通过将问题分为代码执行层、模型决策层与输出兜底层，逐层定位不稳定来源，并以最小改动方式保证系统在真实自然语言输入下可运行、可解释、可回归。引入了最小化的输入控制逻辑，对相对时间与意图进行前置解析，减少模型对关键参数的自由猜测，从而显著提升 Agent 行为的一致性与可控性。这一

 whweia
2026-01-23 15:49:40

 643

 9

#android #开发语言 #人工智能 +2
用 Google AI Studio 做一个「不乱编、不纵容」的结构化日报 Agent

本文记录了一次基于 Google AI Studio 的结构化日报 Agent 实验过程。通过实际对话测试，重点验证了大模型在信息不完整和存在风险信号时的行为表现，包括是否会主动追问、是否会补全未给出的内容，以及风险标记是否稳定。实验过程中对 Prompt 语言选择（英文规则 + 中文交互）、字段缺失处理策略（UNKNOWN vs 补全）以及“先约束再补全”和“先输出再确认”两种策略进行了对比分析

 whweia
2026-01-16 11:40:19

 613

 16

#人工智能 #功能测试 #自动化 +1
从 Function Calling 到评估：一次 LLM 测试工程化的真实实践

调通 Function Calling 后，我逐渐意识到，大模型并不是简单地“调用函数”，而是基于 function schema 做决策。本文反复修改 schema，并结合响应中的 reasoning_content 进行观察，梳理了模型在什么条件下会触发函数调用、在什么情况下直接回答。实践表明，description、required、properties 等 schema 设计，对模型行为的

 whweia
2026-01-10 01:17:36

 879

 21

#人工智能 #功能测试 #自动化 +1
内容审核系统的AB测试：AI原生vs传统方法

当你在抖音刷到一条视频、在小红书看到一篇笔记时，背后可能有两套“隐形的裁判”在同时工作：一套是基于固定规则的“传统审核员”，另一套是基于AI深度学习的“智能审核员”。本文的目的就是教你如何用AB测试这把“公平秤”，客观比较这两种审核系统的效果（漏审率、误审率、处理速度等），帮助企业选择更适合自己的技术方案。文章范围覆盖技术原理、测试设计、实战案例和未来趋势。本文将从“为什么需要AB测试”讲起，用“

AI学长带你学AI
2026-01-08 13:43:23

 1026

 29

#ab测试
亲测有效！用Dify工作流+AI智能体，我们的测试效率提升了300%

本文分享了如何利用Dify工作流编排AI测试智能体，实现测试效率的指数级提升。传统测试面临回归测试耗时长、用例设计依赖经验、UI自动化脆弱等问题，而AI产品的非确定性回答更让传统测试方法失效。通过Dify可视化工作流和专用AI测试智能体（如用例生成专家、语义校验专家），团队实现了45分钟完成原需3人日的回归测试，效率提升300%。文章详细演示了构建"智能客服回归测试"工作流的步

 霍格沃兹测试开发学社
2025-11-24 16:06:07

 888

 13

#人工智能 #react.js #压力测试 +4
打造智能测试闭环：ReAct范式实战解析与LangGraph落地操作

本文介绍了ReAct（Reasoning+Acting）范式在AI智能测试中的应用。ReAct通过思考与行动的闭环机制实现动态决策，包含推理（分析任务和环境）和执行（调用接口、生成用例）两个核心环节。文章阐述了ReAct的优势（动态决策、可解释性、跨场景应用）及理论架构，并以LangGraph工具为例，展示了如何构建自动化回归测试智能体。通过Python/Playwright代码示例说明了测试用例

 霍格沃兹测试开发学社
2025-11-17 12:00:31

 679

 13

#react.js #selenium #单元测试 +4
基于Dify工作流，轻松构建会自我优化的测试智能体

摘要：Dify工作流可构建会自我优化的测试智能体，显著提升测试效率。这种智能体具备动态优化能力、持续学习机制和自适应测试策略，能自动分析测试结果并改进策略。通过5个步骤即可搭建：环境准备、模型配置、工作流设计、优化机制实现和持续集成。相比传统测试方法，智能体能将测试开发时间缩短3倍，场景覆盖率提升100%，并能主动发现边界缺陷。测试人员可通过Dify可视化界面快速构建智能体，无需深厚编程基础，是软

 霍格沃兹测试开发学社
2025-11-12 11:16:35

 977

 22

#单元测试 #压力测试 #测试用例 +4
超越AB测试：AI因果推断在商业增量与ROI中的实战路径

【摘要】本文阐述了AI驱动的因果推断如何超越传统AB测试，通过构建反事实框架，精准量化商业决策的真实增量与ROI。内容覆盖从核心方法论到工程化落地的完整路径。

InterGPT
2025-11-02 12:26:30

 1510

 26

#人工智能 #ab测试
【招聘专场】测试开发专家的进阶之路｜蚂蚁多业务线高薪纳新

蚂蚁集团及合作企业近期发布多个测试开发岗位招聘信息，涵盖杭州、深圳、上海、北京、成都等地。岗位涉及全球资金业务、AI基础设施、支付业务、数据算法等领域，要求3-5年以上测试经验，熟练掌握Java/Python等语言，具备测试框架开发能力和质量保障体系建设经验。部分岗位优先考虑有金融支付、区块链、Web3或国际化业务背景的候选人。成都新希望同时急招中高级测试工程师，要求5年以上经验及团队管理能力。所

 霍格沃兹测试开发学社
2025-08-12 17:55:04

 721

 23

#压力测试 #单元测试 #测试用例 +3
大模型性能测试完全指南：从原理到实践

《大模型性能测试实战指南》摘要：本文系统阐述了大模型性能测试的方法论与实践。首先分析了大模型特有的流式响应机制和PD分离架构，提出五大核心指标：首Token延迟、吐字率、QPM、输入输出Token数。通过阿里云环境搭建、Locust压力测试等实战案例，详细演示了测试流程。总结出"30-60-10"优化法则，并前瞻性探讨了多模态测试的新挑战。文章为测试工程师提供了从理论到实践的全

 霍格沃兹测试开发学社
2025-08-12 17:50:54

 1407

 19

#人工智能 #开发语言 #测试工具 +4
A/B Test 必知必会

零、科学的、可信赖的、可重复的、可解释的一次可信赖的实验是什么样的？实验设计的科学性，-实验对象分配的独立随机性，实验过程的安全、可重复性，实验数据的可靠性，实验分析结果的可解释性。0.1 实验设计背景知识0.1.1 实验设计的原则对照性原则：在实验设计中，通常设置对照组，通过干预或控制研究对象以消除或减少实验误差，鉴别实验中的处理因素同非处理因素的差异。通常采用空白对照组：不给对照组加实验组的处

 Galaxy_saturn
2021-09-01 13:17:11

 2949

 1

#算法 #ab测试
AB实验的最小样本量（功效分析）

最小样本量（功效分析）样本大小、显著性水平、功效、效应值，给定任意三个量，可以推算出第四个量：效应值的计算：依赖于假设检验中使用的统计方法，如两样本均值之差除以标准差（如下），或两样本均值之差除以合并标准差，或卡方检验计算样本量z检验样本量公式为两样本均值之差；AB实验原假设（即两样本同质）下：（即标准差，）；例：假设我们要通过实验分析新的产品UI对于用户时长的影响，现在要设计实验来验证假设，根据

 quick刀斩乱麻
2020-09-03 16:22:31

 4905

#数据分析 #ab测试
探索智慧林业系统的总体架构与应用

本文将深入探讨智慧林业系统的总体架构与应用，从数据采集、数据传输、数据处理与分析、应用与决策等方面进行全面解析，以期帮助读者更好地理解智慧林业在森林资源管理中的重要性和应用价值。综上所述，智慧林业系统总体架构的设计与应用涵盖了数据采集、数据传输、数据处理与分析、应用与决策等多个方面，为森林资源的保护、管理和利用提供了全方位的技术支持和服务保障。智慧林业系统的应用与决策层是整个系统的最终目标，将数据

 007php007
2024-06-08 07:26:17

 1221

 12

#java #golang #php +31
构建可持续未来：碳足迹GIS服务平台技术架构探究

碳足迹GIS服务平台技术架构的设计和实现，将有助于企业和社会更好地管理和减少碳排放，推动可持续发展的目标。在碳足迹GIS服务平台中，可视化展示模块能够将计算得出的碳排放数据以直观的方式呈现给用户，包括地图展示、图表分析等多种形式，帮助用户更直观地理解碳排放的情况。碳排放计算是碳足迹GIS服务平台的核心功能之一，通过对采集到的数据进行计算和分析，得出相应的碳排放量。空间信息处理模块负责对碳排放数据进

 007php007
2024-05-19 08:22:53

 976

 12

#golang #php #java +31
AB试验（五）实验过程中的一些答疑解惑

实验过程中的一些答疑解惑

 HsuHeinrich
2023-10-09 15:18:41

 9646

 1

#python #数据分析 #ab测试
AB实验基本流程

AB实验基本流程公式整理

 YoutiaoNo2
2022-09-27 14:54:44

 2869

 1

#ab测试
构建滴滴业务中台：系统架构设计探索

**安全性和隐私保护：** 中台系统涉及大量用户数据和交易信息，需要采取严格的安全措施和隐私保护机制，确保数据的安全性和完整性。- **高可用性和容错性：** 中台系统需要具备高可用性和容错性，能够应对突发流量和系统故障，保证业务的稳定运行。- **扩展性和灵活性：** 中台架构需要具备良好的扩展性和灵活性，能够根据业务需求快速调整和扩展系统规模和功能。- **业务中台：** 包括订单管理、支付结

 007php007
2024-05-14 07:22:31

 1605

 10

#java #git #golang +34
Google 重叠实验框架：更多，更好，更快地实验（Google A/B实验论文）

Google 重叠实验框架：更多，更好，更快地实验IntroductionGoogle是一个数据驱动型公司，这意味着所有对用户的改动的发布，都要决策者以相应的经验数据作为依据。这些数据大部分是由在线流量上的实验产生的。在web的语境下，一个实验是由一股流量（比如，用户的请求）和在这股流量上进行的相对对比实验的修改组成的。修改包括用户可见的修改（比如，修改顶部广告的背景色），以及不可见的修改，比如测

 huchao_lingo
2020-11-22 10:51:12

 4194

 3

#ab测试
SoapUI 怎么下载：详细教程

在 Windows 系统下的安装教程吧！各位开发小伙伴们可以跟着我一起来~接下来带大家简单体验一下：使用 SoapUI 发送请求。安装非常简单，只需双击它即可启动，安装程序将立即启动。最后会有一个进度条，我们只需要等待进度条到 100%我们需要添加一个接口，使用这个接口来进行接口请求。点击发送按钮，就可以看到响应结果了~就可以看到开始安装的界面了。勾选你所需要的安装组件。

m0_73898769
2023-07-21 16:34:43

 7807

 2

#测试工具 #jmeter #ab测试
【长文干货】AB测试：原理流程、实际案例及面试指南

AB测试其实来源于假设检验，我们现在有两个随机均匀的样本组A、B，对其中一个组A做出某种改动，实验结束后分析两组用户行为数据，通过显著性检验，判断这个改动对于我们所关注的核心指标是否有显著的影响。在这个实验中，我们的假设检验如下：原假设H0：这项改动不会对核心指标有显著的影响备选假设H1：这项改动会对核心指标有显著影响如果我们在做完实验之后，通过显著性检验发现P值足够小，我们则推翻原假设，证明这项

 qq_28133063
2024-09-03 13:44:36

 6148

 6

#ab测试
笔试和测评双机作弊软件

笔试、测评的作弊小软件，主要面向有两个电脑并且也有GPT4的秋招和春招的小伙伴，节约时间用来做其他事情，不用浪费时间去做弱智测评和脑残笔试

 qq_42184039
2024-08-13 20:39:47

 1.1w

 29

#求职招聘 #pat考试 #ab测试 +1
ab test -- 实验效果不显著的改善方法 -- CUPED

一、实验效果不显著怎么办为了使A/B实验得到统计显著的结果，有三个思路：上线对指标影响较大的策略，然而多数情况下这种策略可遇而不可求；增加实验的样本量，应该是普遍用的最多的，可通过提高实验流量配比或者让实验持续更长时间来实现；缩减指标的方差，根据前面样本量计算和显著性检验介绍的公式可以知道，指标方差越小，所需样本量越小，也越容易统计显著；微软2013年发表过一篇论文（文末链接），介绍了一种利用实

 浮豹
2020-11-20 15:50:51

 8776

 5

#数据分析 #ab测试
除了JMETER的另外一个性能测试工具：K6

K6性能压测工具诞生于，当时它作为开源项目发布，并迅速在开发者和企业中流行开来。它的产生背景主要是为了解决当时在测试过程中遇到的一些问题，比如ab测试功能不足、jemeter不容易代码化等。K6是用Go编写的，它可以轻松编写测试脚本，并且结合了JavaScript运行时，支持用户编写测试脚本的测试套件。它适用于各种应用程序和系统的性能测试需求，能够快速、准确地评估系统的性能和稳定性2。在2021年

 甜甜圈不加糖842
2023-09-17 16:52:07

 3827

 14

#测试工具 #jmeter #压力测试 +3
A/B test -- 判断(比例类)实验结果是否显著

震惊AB显著性可以这样判断

 浮豹
2020-11-20 10:55:35

 9564

 8

#数据分析 #ab测试
ABtest实验原理、流程、应用以及面试常问问题。

ABtest实验相关知识

 瑟科塞斯
2022-08-28 17:14:33

 7548

 17

#ab测试 #数据分析
数据分析之AB测试

AB测试就是通过将测试对象随机分成两组，然后控制其他变量一致的前提下，对其中一组进行某种行为或者功能的干预。继而计算AB效果的差异。学术说法：AB测试是基于统计学原理, 通过合理流量分配, 高效、准确选取局部指标价值最大化方案的一系列方法论的总和。

YouShouldKnowMe
2022-09-15 14:07:53

 9567

 7

#数据分析 #ab测试 #数据挖掘
什么是ABTest？

实际上，从理论上看实验平台及ABTest我们会觉得其非常复杂和深奥，但从实际的代码角度看，根据理论设计的模式规则、定义的实验以及为实验设计的参数指标等，最终的目的只是为了给业务代码提供优雅的逻辑判断方式，并在不需要业务逻辑关心的情况下，按照可统计、可分析方式进行日志的输出，并最终通过这些数据分析预定的指标、参数，从而得出实验或ABTest的结果（ABTest实际上是一种相对简单的实验，大家从概念上

 流动熵
2023-06-26 21:50:28

 3074

 2

#ab测试
软件测试工程师笔试题（附带答案）

软件测试工程师笔试题，试卷内包含分数

 在人间换酒钱
2021-01-20 21:23:17

 1.3w

 6

#ab测试 #压力测试