基于大语言模型的可穿戴设备的测试方法、装置、设备及介质与流程

摘要: 本技术涉及测试,特别是涉及一种基于大语言模型的可穿戴设备的测试方法、装置、设备及介质。背景技术:1、增强现实(ar)眼镜技术正快速发展并被广泛应用于众多领域,从...
基于大语言模型的可穿戴设备的测试方法、装置、设备及介质与流程

本技术涉及测试,特别是涉及一种基于大语言模型的可穿戴设备的测试方法、装置、设备及介质。

背景技术:

1、增强现实(ar)眼镜技术正快速发展并被广泛应用于众多领域,从游戏娱乐到教育医疗,再到汽车设计,应用场景日益丰富。

2、然而,现有ar眼镜技术中比较常见的是广泛的应用场景,缺少对ar眼镜的具体测试方法。

技术实现思路

1、本技术提供了一种基于大语言模型的可穿戴设备的测试方法、装置、设备及介质,以解决目前无法对ar眼镜进行测试的问题。

2、为了解决上述问题,本技术公开了一种基于大语言模型的可穿戴设备的测试方法,包括:

3、接收可穿戴设备的输入数据;

4、调用大语言模型输出所述输入数据的第一结果,所述第一结果用于与第二结果比对以确定所述可穿戴设备是否符合测试指标,所述第二结果为所述可穿戴设备对所述输入数据输出的结果。

5、可选地,所述调用大语言模型输出所述输入数据的第一结果,第一结果用于与第二结果比对以确定所述可穿戴设备是否符合测试指标包括:

6、调用所述大语言模型对所述可穿戴设备的各个应用场景的输入数据进行识别,输出测试结果;

7、若所述测试结果的置信度大于或者等于所述大语言模型的置信度阈值,则将所述测试结果作为第一结果;

8、使用屏幕镜像工具截图所述第二结果;

9、将所述第一结果与所述第二结果对比,若所述第一结果与所述第二结果相同,则确定所述可穿戴设备符合所述测试指标中的功能指标。

10、可选地,所述调用大语言模型输出所述输入数据的第一结果,第一结果用于与第二结果比对以确定所述可穿戴设备是否符合测试指标包括:

11、按照设定周期向所述大语言模型发送唤醒词和播放指令,生成第一日志信息,将所述第一日志信息作为所述第一结果;

12、按照设定周期向所述可穿戴设备发送唤醒词和播放指令,生成第二日志信息,将所述第二日志信息作为所述第二结果;

13、将所述第一日志信息与所述第二日志信息对比,若所述第一日志信息和所述第二日志信息均不存在故障信息,则确定所述可穿戴设备符合所述测试指标中的稳定性指标。

14、可选地,所述调用大语言模型输出所述输入数据的第一结果,第一结果用于与第二结果比对以确定所述可穿戴设备是否符合测试指标包括:

15、周期性采集调用所述大语言模型输出各个应用场景的输入数据的第一结果的第一资源占用率,其中,所述第一资源占用率包括:cpu占用率和内存占用;

16、统计各个应用场景的所述输入数据的第一资源占用率的最大值和平均值;

17、将所述第一资源占用率的最大值和平均值作为第一结果;

18、周期性采集所述可穿戴设备输出各个应用场景的输入数据的第二结果的第二资源占用率,所述第二资源占用率包括:cpu占用率和内存占用;

19、统计各个应用场景的所述输入数据的第二资源占用率的最大值和平均值;

20、将所述第二资源占用率的最大值和平均值作为第二结果;

21、将所述第一结果与所述第二结果对比,若所述第一结果与所述第二结果的偏差在预设标准范围内,则确定所述可穿戴设备符合所述测试指标中的性能指标。

22、可选地,所述调用大语言模型输出所述输入数据的第一结果,第一结果用于与第二结果比对以确定所述可穿戴设备是否符合测试指标包括:

23、多次向所述大语言模型发送相同唤醒词,确定唤醒词结束到接收到所述可穿戴眼镜响应的第一平均唤醒耗时;

24、多次向所述大语言模型发送相同唤醒词,确定唤醒词结束到所述大语言模型返回所述第一结果的第一平均执行耗时;

25、多次向所述可穿戴识别发送相同唤醒词,确定唤醒词结束到接收到所述可穿戴眼镜响应的第二平均唤醒耗时;

26、多次向所述可穿戴设备发送相同唤醒词,确定唤醒词结束到所述可穿戴设备返回所述第二结果的第二平均执行耗时;

27、将所述第一平均唤醒耗时与第二平均唤醒耗时对比以及将所述第一平均执行耗时与所述第二平均执行耗时对比,若所述第一平均唤醒耗时与所述第二平均唤醒耗时的偏差在第一偏差范围内,以及若所述第一平均执行耗时与所述第二平均执行耗时的偏差在设定第二偏差范围内,则确定所述可穿戴设备符合所述测试指标中的性能指标。

28、为了解决上述问题,本技术还公开了一种基于大语言模型的可穿戴设备的测试装置,包括:接收模块,用于接收可穿戴设备的输入数据;

29、调用模块,用于调用大语言模型输出所述输入数据的第一结果,所述第一结果用于与第二结果比对以确定所述可穿戴设备是否符合测试指标,所述第二结果为所述可穿戴设备对所述输入数据输出的结果。

30、可选地,所述调用模块包括:

31、识别单元,用于调用所述大语言模型对所述可穿戴设备的各个应用场景的输入数据进行识别,输出测试结果;

32、输出单元,用于若所述测试结果的置信度大于或者等于所述大语言模型的置信度阈值,则将所述测试结果作为第一结果;

33、第一截图单元,用于使用屏幕镜像工具截取所述第二结果;

34、功能指标单元,用于将所述第一结果与所述第二结果对比,若所述第一结果与所述第二结果相同,则确定所述可穿戴设备符合所述测试指标中的功能指标。

35、可选地,所述调用模块包括:

36、第一生成单元,用于按照设定周期向所述大语言模型发送唤醒词和播放指令,生成第一日志信息,将所述第一日志信息作为所述第一结果;

37、第二生成单元,用于按照设定周期向所述可穿戴设备发送唤醒词和播放指令,生成第二日志信息,将所述第二日志信息作为所述第二结果;

38、稳定性指标单元,用于将所述第一日志信息与所述第二日志信息对比,若所述第一日志信息和所述第二日志信息均不存在故障信息,则确定所述可穿戴设备符合所述测试指标中的稳定性指标。

39、为了解决上述问题,本技术还公开了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述的一种基于大语言模型的可穿戴设备的测试方法。

40、为了解决上述问题,本技术还公开了一种计算机可读存储介质,所述计算机可读存储介质存储有被处理器执行时实现所述的一种基于大语言模型的可穿戴设备的测试方法的计算机程序。

41、与现有技术相比,本技术包括以下优点:

42、本技术接收可穿戴设备的输入数据,调用大语言模型输出所述输入数据的第一结果,所述第一结果用于与第二结果比对以确定所述可穿戴设备是否符合测试指标,所述第二结果为所述可穿戴设备对所述输入数据输出的结果,即通过大语言模型实现了对可穿戴设备的测试,从而弥补了可穿戴设备测试方法的空白。并且通过将可穿戴设备与大语言模型结合,能够实现可穿戴设备对各个应用场景的知识的获取和问题的解决,增加了可穿戴设备的扩展性。

43、当然,实施本技术的任一产品不一定需要同时达到以上所述的所有优点。