Change-Aware Predictive Test Selection and Prioritization
Utvecklares kodändringar testas kontinuerligt för att undvika nya buggar. Med växande kodbaser och team ökar både antalet tester och testfrekvensen kraftigt. Det leder till en exponentiell ökning av testarbete. Konsekvensen blir både långsamma processer och höga kostnader. För att snabba på kodtestning utan att släppa igenom kodbuggar har vi tränat ett antal maskininlärningsmodeller att förutspå vTest Case Prioritization and Selection (TCPS) methods aim to order or select tests to minimize test execution time without significantly reducing test coverage. In collaboration with a System Analysis Team at Arm, this project demonstrated machine learning-driven prioritization in an industrial Continuous Integration (CI) pipeline, using predictive models to optimize test execution. The team runs