Gdy algorytmy szukają błędów. Search-Based Software Testing spotyka LLM
W 24. odcinku podcastu i audycji radiowej „AI pod CTRL-ą” Paulina Cecko i Michał Sierlecki zabierają słuchaczy na kieleckie spotkanie społeczności AI@Kielce, które odbyło się 21 października 2026 roku przy ul. Sienkiewicza 25 w Kielcach. Gościem specjalnym odcinka jest Bernard van der Esch – ekspert backendu (PHP, Symfony, Python), inżynier automatyzacji AI oraz członek zespołu Open Mercato w Fast White Cat SA. W audycji prześwietlamy rewolucyjny paradygmat w inżynierii oprogramowania: połączenie Search-Based Software Testing (SBST) z dużymi modelami językowymi (LLM). Dowiemy się, dlaczego proste polecenie „napisz mi test” leads jedynie do bezmyślnego generowania wtórnego kodu pod tzw. „zielony pasek”, a traktowanie generowania testów jako problemu optymalizacyjnego i przeszukiwania przestrzeni stanów pozwala odnaleźć najgroźniejsze błędy krawędziowe.
Effort Inversion, gdzie czas zaoszczędzony na pisaniu kodu zostaje skonsumowany przez proces inspekcji i prompt engineeringu. Jako ostateczny cel wskazuje się tzw. Efficacy Maximized Test Engineering. Autonomiczne ekosystemy agentowe zarządzające testowaniem w oparciu o rygorystyczne wskaźniki jakościowe. Ramowy system Stellar. Styczeń 2026 roku. Zespół badawczy z BMW Group oraz Politechniki Monachijskiej zaprezentował przełomowy system STELAR . Praca rozwiązuje problem testowania aplikacji opartych na LLM, takich jak konwersacyjni asystenci pokładowi w pojazdach czy systemy bezpieczeństwa SafeQA, traktując testowanie jako problem optymalizacji ewolucyjnej w oparciu o OpenSBT.
Pokazano wszystkie 1 dopasowanie. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.
Podajemy informacje o audycie i przedstawiamy gościa Bernarda van der Escha, senior backend developer'a z Open Mercato.
Przedstawiamy kluczowe pojęcia z zakresu automatycznego testowania oprogramowania i modeli językowych.
Bernard van der Esch omawia temat Search-Based Software Testing i jego zastosowanie w praktyce.
Bernard van der Esch omawia problemy związane z zaufaniem do testów napisanych przez AI i propozycje rozwiązania.
Bernard van der Esch omawia wzorce architektoniczne i praktyki projektowe, które ułatwiają testowanie algorytmiczne.
Bernard van der Esch omawia zmianę roli inżyniera i wpływ na przyszłość pracy programistów.
Podsumowujemy dyskusję i dziękujemy gościowi za wizytę w studiu. Przedstawiamy przegląd najnowszych badań naukowych na temat testowania oprogramowania za pomocą LLM.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
Kliknij, aby znaleźć fragmenty, w których pada.