行业与实践

最新优先最早优先

研究与基准测试2026-09-2742 分钟
使用模型检查作为预言机的基于大语言模型的事后解释器自动化测试
大语言模型（LLMs）被用作序列决策策略的事后解释器，生成关于为何选择某个动作的自然语言解释。然而，LLMs 经常生成看似合理但不正确的陈述，而且目前没有方法系统性地测试这些解释是否忠实于底层环境。两个经典的软件测试挑战
研究与基准测试2026-09-2732 分钟
代码大语言模型中健全且对抗性测试生成的两阶段强化学习
强化学习（RL）通过可执行反馈显著推进了代码大语言模型（LLM）的发展。针对编程问题的反馈主要来自特定测试用例，而高质量测试用例往往稀缺，因为它们必须同时具备健全性（sound）和判别力（discriminative）。
研究与基准测试2026-09-2742 分钟
从资源流到可执行测试：Petri 网指导的并发有状态 Rust API 大语言模型测试生成
并发有状态库 API 通过不断演变的资源所有权、生命周期状态和竞争的交错执行来暴露其行为。大型语言模型可以合成可执行的 Rust 测试，但其输出常常违反 API 前置条件、保持浅层状态，或将并发性退化为偶然的顺序追踪。相
研究与基准测试2026-09-2749 分钟
评估基于大语言模型的端到端 CLI 工具场景中的从零到一软件生成
大型语言模型（LLM）的演进催生了向意图驱动软件开发范式的转变，其中自主智能体被期望从头开始设计并交付完整的、可运行的软件系统。然而，由于两个根本性局限，现有基准测试未能充分评估这种从零到一的生成能力。首先，它们依赖于预
研究与基准测试2026-09-2744 分钟
先写代码再测试的风险：一项关于基于大语言模型的测试生成工作流的实证研究
大语言模型（Large Language Models, LLMs）正越来越多地用于软件工程工作流，以自动生成源代码及其对应的测试套件。这种双重能力催生了新的开发范式，包括测试先行工作流与智能体工作流：由同一个模型负责产
研究与基准测试2026-09-2751 分钟
自然语言断言的忠实自动形式化
形式化契约对软件测试与验证至关重要，但编写它们仍然费力且容易出错。大语言模型（LLM）为自动形式化提供了一条有前景的路径：从自然语言规约综合出可执行断言，从而弥合开发者的非正式意图与形式化可执行规约之间的鸿沟。我们提出
研究与基准测试2026-09-2767 分钟
重新思考智能体生成测试对基于大语言模型的软件工程智能体的价值
大语言模型（Large Language Model，LLM）代码智能体越来越多地通过迭代编辑代码、调用工具并验证候选补丁，来解决仓库级问题。在这些工作流中，智能体常常即兴编写测试，但这一行为的价值仍不清楚。例如，GPT
研究与基准测试2026-09-2755 分钟
CornerCase：协议实现的自动化极值测试
许多网络协议实现中的软件缺陷出现在规范边界附近，例如刚好落在允许范围之内或之外的输入，或者单独看来合法、但在给定状态下非法的报文。从 SSL Heartbleed 漏洞到 TCP 圣诞树数据包，边界输入一再暴露关键弱点，
研究与基准测试2026-09-2760 分钟
ReProAgent：从问题报告生成缺陷复现测试的工具增强多阶段智能体方法
复现测试帮助开发者确认所报告的问题，并为问题修复提供可执行反馈，但开源项目中的问题报告很少包含这类测试。近期研究探索了用大语言模型从问题报告生成问题复现测试，但现有方法大体依赖基于提示的流水线：检索文本上下文并生成测试。
研究与基准测试2026-09-2763 分钟
通过人类测试启发工作流实现单元测试生成的多智能体大语言模型协作
近年来，大语言模型（Large Language Models, LLMs）的出现推动了自动化单元测试生成研究的迅速增长，取得了令人瞩目的性能，并减少了人工投入。然而，现有基于大语言模型的方法仍存在两项主要局限：（1）它
研究与基准测试2026-09-2720 分钟
面向代码重排序的置信度门控直推式测试生成
测试用例合成对于评估与排序大语言模型（LLM）生成的程序至关重要。然而，构造高质量测试用例仍然困难，因为可靠的期望输出往往难以获得。我们提出置信度门控直推式测试生成（Confidence-Gated Transducti
研究与基准测试2026-09-2741 分钟
通过测试生成探测基于大语言模型的代码生成中的隐私泄露
大规模代码数据集的广泛可得，推动了面向代码相关任务的大语言模型（large language models，LLMs）快速发展。这些数据集可能包含敏感的个人可识别信息（personally identifiable in
研究与基准测试2026-09-2728 分钟
上下文至关重要：提升基于大语言模型的单元测试生成的实用可靠性（经验论文）（上篇）
自动化单元测试生成近来受益于大语言模型（LLM）的进展，但我们的工业部署表明，有前景的研究结果与实际可用性之间仍存在持续差距。在具有复杂框架与跨文件依赖的真实项目中，LLM 生成的测试经常无法编译、需要高成本的人工修复，
研究与基准测试2026-09-2746 分钟
上下文至关重要：提升基于大语言模型的单元测试生成的实用可靠性（下篇）
上下文至关重要：提升基于大语言模型的单元测试生成的实用可靠性（下）（中文全译）
研究与基准测试2026-09-2728 分钟
LLM 生成测试套件的覆盖率与变异分数是否与其有效性相关？（可复现性研究）（上篇）
大语言模型（LLM）的最新进展，推动了利用 LLM 自动生成测试的研究兴趣。既有工作通常用代码覆盖率、变异分数等代理指标来评估所生成的测试套件。然而，Inozemtseva 等人以及 Papadakis 等人的研究表明：
研究与基准测试2026-09-2746 分钟
LLM 生成测试套件的覆盖率与变异分数是否与其有效性相关（下篇）
LLM 生成测试套件的覆盖率与变异分数是否与其有效性相关（下）（中文全译）
研究与基准测试2026-09-2748 分钟
评估并缓解含缺陷代码对大语言模型生成单元测试的误导效应（上篇）
尽管大语言模型（Large Language Models, LLMs）在自动化单元测试生成方面展现出巨大潜力，近期研究指出：当提示中给出的是含缺陷代码时，所生成测试的质量会受到负面影响。本文提出一项新指标，用于定量度量
研究与基准测试2026-09-2745 分钟
评估并缓解含缺陷代码对大语言模型生成单元测试的误导效应（下篇）
评估并缓解含缺陷代码对大语言模型生成单元测试的误导效应（下）（中文全译）
研究与基准测试2026-09-2737 分钟
利用大语言模型增强面向自然语言处理库的自动化单元测试生成（上篇）
以 EvoSuite 为代表的自动化单元测试生成工具在通用软件上表现良好，但面对自然语言处理（NLP）库这类领域特定软件时常常力不从心：输入必须满足语义、句法与结构约束。大语言模型（LLM）能够生成与领域相关的测试代码，
研究与基准测试2026-09-2749 分钟
利用大语言模型增强面向自然语言处理库的自动化单元测试生成（下篇）
利用大语言模型增强面向自然语言处理库的自动化单元测试生成（下）（中文全译）