В МГУ им. М.В. Ломоносова разработали подход к улучшению структуры сгенерированных ИИ юнит-тестов

В МГУ им. М.В. Ломоносова разработали подход к улучшению структуры сгенерированных ИИ юнит-тестов Исследователи использовали обучение с подкреплением, чтобы ИИ-модель избегала типичных дефектов. Для этого был собран датасет на основе реальных проектов на языке Python, включающий методы программ и соответствующие им юнит-тесты. Для каждого набора тестов с помощью инструментов статического анализа была получена информация о наличии дефектов дизайна. Как отмечают авторы, ИИ-модели в предложенном подходе передают не общую оценку результата, а конкретный сигнал о том, какие элементы структуры кода нужно улучшить. Она получает штраф, если статический анализатор обнаруживает дефект дизайна, и вознаграждение за чистый тест. 📃 Тезисы доклада на научной конференции «Ломоносовские чтения» 🔗 Источник: https://msu.ru/news/novosti-nauki/v-mgu-predlozhili-sposob-uluchshit-strukturu-testov-sozdavaemykh-ii.html *** 📎 В МГУ им. М.В. Ломоносова в январе 2026 года предложили новый подход к формальной верификации моделей. Он проверяет их надежность и устойчивость при выполнении критически важных задач.