Могут ли LLM находить flaky-тесты только по коду? Разбор исследования

Статья разбирает исследование, где проверяли способность LLM выявлять нестабильные тесты исключительно по их коду. Материал посвящен анализу метрик модели и вопросам, действительно ли она понимает природу flaky-поведения. Это практический кейс применения языковых моделей в инженерии качества ПО.