如何借助机器学习生成同义问句，为AI应用生成测试用例？

一、规则类方法（快速落地） #

• 核心术语同义词替换：针对基准问题里的关键实体（比如Software Manager），替换为行业内公认的同义/近义表述，直接生成测试用例：
  • 替换为Software Development Manager → "Who is a Software Development Manager?"
  • 替换为Software Lead → "Who is a Software Lead?"
  • 替换为Application Manager → "Who is an Application Manager?"
• 句式微调：调整句子结构但保留核心语义，覆盖不同的疑问方式：
  • "What is a Software Manager?"
  • "Can you explain what a Software Manager does?"
  • "What defines the role of a Software Manager?"

二、机器学习驱动方法（规模化生成） #

• 预训练模型生成：用开源大语言模型（如Llama、Mistral），通过明确的提示词引导生成同义问句，示例提示词：

  基于基准问题"Who is a Software Manager?"，生成10个语义完全一致但表述不同的英文问句，要求均围绕该职位的身份/定义展开，使用不同的职位同义词和句式。
  

• 语义校验：用Sentence-BERT这类模型计算生成句与基准句的语义相似度，筛选相似度高于0.8的句子，确保核心诉求无偏移。

三、测试用例扩展要点 #

• 多维度覆盖：除了职位名称替换，还要覆盖口语化表述（比如"What's a Software Manager anyway?"）、冗余修饰（比如"Could you tell me who exactly a Software Manager is?"）、疑问词替换（比如"What does a Software Manager refer to?"）
• 规避语义偏差：严格过滤偏离核心诉求的句子，比如"How to become a Software Manager?"这类属于不同问题范畴，不能作为测试用例。

内容的提问来源于stack exchange，提问作者Sal