Arsham Gholamzadeh Khoee

汽车测试中的定制化与通用大语言模型（LLM）代理

一篇来自arXiv的新论文探讨了开发定制化大语言模型（LLM）代理与采纳通用型代理之间的权衡，并以沃尔沃集团的汽车GUI测试为例进行了案例研究。研究发现，虽然Claude Code和OpenCode等通用型代理产生了更高的推理成本，但它们显著减少了工程投入，从而降低了夜间回归测试套件的总体月度成本。与内部解决方案相比，这些外部工具还在开放式任务上展现出更高的成功率，并能更好地从错误中恢复，尽管它们对模型输入的控制较少。