一、什么是ai软件测试？
ai软件测试就是针对ai产品的全流程，多维度的测试活动。
核心的测试对象是：ai的大模型、数据、功能
最终的目的是验证ai产品的准确性、稳定性、安全性和合规性，确保ai产品能稳定、可靠、合规的落地使用
二、ai软件测试核价值？
1、保障ai产品输出准确（这是基础的价值）
2、避免ai出现幻觉，偏见等
3、提升用户体验比如：ai答非所问、ai文案逻辑混乱
4、符合行业合规要求比如：ai不能泄露隐私、个人金额、 存款
三、传统测试和ai测试差异
（1）测试对象
ai软件测试：模型、数据、功能
传统测试：功能、代码、逻辑
（2）测试方法
ai软件测试： 统计分析法、多轮测试方法、对照组测试，数据排查方法（核心验证输出正确性、一致性、无偏见、逻辑是动态的）
传统测试：黑盒测试方法、白盒测试方法（等价类、边界值、场景法等）
（3）测试难点
ai软件测试：数据质量的层差不齐、幻觉难以预判，偏见难以量化；ai输出是动态，无法提前预判
传统测试：代码逻辑复杂、bug难以排查
四、ai测试核心难点?(4个难点)
1、数据质量层次不齐，ai学习依赖数据，数据就像是ai的教材，教材有误，有缺失，格式不完整，ai就会学错，输出的结果就会错
2、ai幻觉难以预判，ai很容易出现虚假信息，也就是幻觉
3、偏见难以量化ai偏见：性别偏见、地域偏见
4、ai agent智能体 自主行为不可控
五、ai模型的完整流程？
数据采集（源头）》数据预处理（基础）》模型训练（核心）模型部署（桥梁）产品应用（目的）
（1）数据采集
ai模型的源头，核心作用：收集ai学习所需要的原始数据；ai数据根据ai产品的需求来提供，比如：ai文案生成模型，采集海量的文案教程
（2）数据预处理
ai模型的“数据筛选”与优化环节核心作用：对数据的原始数据进行清洗、整理、标准化，比如：整理教材、删除无效内容、标注重点内容（a、清洗：删除控制，错误数据、重复数据 b、标准化：统一的数据格式，比如：市，县，匹配到省c、筛选：删除无关数据、整理成规范的数据）
（3）模型训练
ai模型 学习环节，核心作用：让模型通过学习预处理的优质数据，总结规律，提升能力
（4）模型部署
ai模型从“实验室”走向实际应用的关键环节，核心作用：将训练好的模型，部署到具体的ai产品中，让模型能接受用户需求，输出正确的数据结果
（5）产品应用
ai产品使用，核心作用：让部署后的模型，通过ai产品为用户提供服务，收集用户反馈，为模型优化提供依据
六、ai模型中三类数据：
训练数据、测试数据、标注数据
（1）训练数据 用于ai模型训练的优质数据，是一个模型，是学习知识的教材
（2）测试数据 用于测试ai模型的问题，排查模型中的问题的数据
（3）标注数据 对原始数据进行标记，说明修改后的数据，相对于给ai模型的教材标注了重点
