ying
做测试这些年最大的体会——"把模糊需求拆成可验证的用例"这件事，在 AI 时代反而更值钱了。最近在系统学人工智能训练师课程，发现数据标注的质量标准和我们写用例几乎同源：边界场景要覆盖、异常样本要留痕、验收要有口径。以前是"找 bug 让产品更稳"，现在多了一层"喂数据让模型更准"。测试同学的底层能力（结构化思维、边界意识、质量度量）转到 AI 应用测试/数据侧，门槛比想象中低。想转 AI 测试的同学，建议先从手头接口/性能用例里练"可量化验收"的习惯。
发布于 重庆
分享
评论
赞
未登录
友善发言
评论
加载中
