【实习】基于LLM的软件缺陷检测技术的探索和研究-质量技术

字节跳动质量技术团队，我们聚焦质量领域前沿创新，打造稳定、高效、领先的质量技术，深度赋能抖音、今日头条、豆包、电商等亿级用户产品。 当前，我们通过AI来检测代码、架构、产品的缺陷、风险和效果，用AI重构质量保障模式，提升研发效能。聚焦智能缺陷检测、GUI agent、AI评测等前沿方向，希望通过质量技术的突破，用AI改变测试行业。欢迎加入，与我们一起，定义和构建下一代质量技术，推动行业前进。 课题介绍： 随着大模型技术在软件开发领域的广泛应用，代码开发效率显著提升，AI生成代码的质量不确定性，都为软件测试带来了全新挑战。传统静态分析方法在复杂业务逻辑校验、功能一致性验证等场景存在明显局限，而动态GUI测试与API测试则面临执行开销高、测试覆盖度不足等问题。 本课题旨在构建一种基于LLM的智能缺陷检测系统。通过对需求文档和技术方案的语义理解，结合跨端、跨仓的代码调用关系的刻画，产出业务逻辑与代码实现的精准对齐，在此基础上，构建具备对各类缺陷特征有充分感知的缺陷检测智能体，高效、精准的识别业务逻辑、架构性能、程序安全等复杂缺陷。 课题挑战：

1. 公司多样化业务场景下，对多模态需求的语义理解和功能逻辑提取；
2. 跨端、跨仓、多技术栈的代码链路分析；
3. 海量缺陷数据的特征分析和提取；
4. 支持大规模应用的Agent系统工程； 课题价值：
5. 保证软件质量的要求下，构建一种以静态检测技术为主的软件测试模式，优化测试资源的配置和效率；
6. 实现软件缺陷的早期发现，降低缺陷识别和修复的成本，显著提升研发效能。