苹果近日在机器学习研究博客上公布三项最新成果，探讨如何利用大语言模型（LLM）和多智能体系统（AI Agents）改进软件测试、缺陷检测与代码修复流程，目标是让 AI 在质量工程（QE, Quality Engineering）中扮演更自动化、更高效的角色，从而减少人工手工写测试、查 bug 的工作量。

研究显示，AI 不仅能自动识别程序中的潜在缺陷，还能生成高质量的测试用例，大幅降低人工测试成本。

三篇论文的亮点包括：

1、Agentic RAG 框架：通过多个 AI 代理协作完成测试生成、审查与合规性检查任务，测试准备时间减少约 85%，缺陷检测率提升 35%。

2、SWE-Gym 平台：为训练软件工程类 AI 代理而设计，能在真实 GitHub 任务中自动解决 72% 以上的问题，并支持“人类在环”的可控测试。

3、ADE-QVAET 模型：结合量子变分自编码器与 Transformer，用于在开发阶段预测潜在代码缺陷，显著提升预测准确率。

苹果表示，这些研究有望未来融入其开发生态，例如 Xcode 测试工具链，为工程师提供智能化的 Bug 检测与测试生成能力。这也意味着，AI 正在逐步成为苹果软件开发流程中的关键助手。

论文地址：

• https://machinelearning.apple.com/research/software-defect-prediction
• https://machinelearning.apple.com/research/hybrid-vector-graph
• https://machinelearning.apple.com/research/training-software