本研究评估了大语言模型（LLMs）在自动生成单元测试用例中的应用，特别关注等价类和边界值。结果表明，LLMs的有效性依赖于精心设计的提示和准确的需求，同时强调人工分析在测试评估中的重要性。

Evaluating the Application of Large Language Models in Generating Unit Tests with Equivalence Classes and Boundary Values
BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·
边界值分析：输入边界的测试

边界值分析：输入边界的测试
DEV Community DEV Community ·
154/365 | ¥1000万工作挑战 - 细节与坚持

154/365 | ¥1000万工作挑战 - 细节与坚持
DEV Community DEV Community ·
边界值分析

边界值分析
DEV Community DEV Community ·
等价划分与边界值分析如何提高测试准确性

等价划分与边界值分析如何提高测试准确性
DEV Community DEV Community ·

本文研究了利用机器学习提高偏微分方程（PDE）数值解的准确性和效率，提出了可微时间代价和物理信息神经算子等新方法，显著提升了计算速度和精度。同时探讨了近似理论对神经网络性能的影响，强调了机器学习在数值分析中的应用潜力。

基于机器学习的优化工作流程：用于调整边界值问题微分方程求解器的数值设置
BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

神经一体化无网格（NIM）方法结合了传统无网格离散化技术和深度学习，提高了解决方案的表示，减少了模型大小和梯度计算需求，提高了训练效率。实验结果显示NIM方法在静态和瞬态基准问题上有效，具有准确性、可扩展性、泛化性和收敛性。与其他方法相比，尤其是V-NIM，NIM方法在全面预测能力方面提高了准确性和效率。

N - 自适应 Ritz 方法：一种神经网络丰富的单位分割求解边界值问题
BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证