蘋果公司近日在機器學習領域發布三項突破性研究，聚焦人工智能在軟件質量工程（QE）領域的創新應用。這些研究覆蓋測試自動化、代碼漏洞修復及預測等核心環節，為提升行業效率提供了全新技術路徑。
針對傳統QE測試中質量工程師需耗費30%-40%時間手動制定測試計劃、用例及自動化腳本的痛點，蘋果提出基于混合向量圖與多智能體編排的RAG框架解決方案。該框架通過六個分工明確的AI智能體（包括合規性保障、歷史測試審查、沖突解決等模塊）協同作業，實現測試全流程自動化。實驗數據顯示，該方案在準確率（94.8% vs 基線65%）、效率（時間減少85%）及缺陷檢測能力（提升35%）方面均取得顯著突破，同時確保測試文檔全生命周期可追溯。
在代碼漏洞修復領域，蘋果推出首個真實場景軟件工程訓練環境SWE-Gym。該平臺整合了2438項源自GitHub熱門Python代碼庫的真實任務，通過模擬場景訓練基于語言模型的AI智能體解決代碼漏洞。經測試，訓練后的模型任務解決率達72.5%，其衍生的簡化版SWE-Gym Lite更適用于快速原型開發。研究證實，該技術可有效提升各行業開發者的生產力。
針對人工測試耗時低效且易出錯的缺陷，蘋果研發了ADE-QVAET自動編碼器Transformer模型。該模型融合自適應差分進化與量子變分自動編碼器-Transformer技術，并引入自適應降噪增強機制，可在代碼開發早期精準識別缺陷。這一創新解決了傳統AI缺陷預防方法“事后補救”的弊端，研究指出其未來結合深度學習與強化學習后，或能實現軟件問題的提前預警。
盡管蘋果尚未明確將上述研究成果應用于現有產品，但Xcode 26已支持第三方AI賬戶，其自主研發的代碼修正模型落地可能性顯著提升。這些技術突破標志著人工智能在軟件質量工程領域的應用進入新階段。
