InfoQ
·
Meta利用大语言模型（LLM）进行变异测试以提升合规覆盖率
内容提要
Meta利用大语言模型（LLM）改进变异测试，提升合规覆盖率。该系统生成上下文相关的变异体和测试，解决传统变异测试的局限性，帮助团队更高效地满足全球监管要求。通过自动化合规强化系统（ACH），Meta显著减少操作开销，并在多个平台成功部署，生成大量可操作的测试。未来，Meta将继续扩展ACH，优化变异体生成，并研究开发者与LLM生成测试的互动。
关键要点
-
Meta利用大语言模型（LLM）改进变异测试，提升合规覆盖率。
-
该系统生成上下文相关的变异体和测试，解决传统变异测试的局限性。
-
通过自动化合规强化系统（ACH），Meta显著减少操作开销。
-
ACH系统在多个平台成功部署，生成大量可操作的测试。
-
传统变异测试因过多变异体和高计算成本而应用有限。
-
Meta的ACH系统使用LLM生成真实的变异体和针对性测试。
-
LLM的等价检测器过滤冗余变异体，测试生成器减少人工编写测试的需求。
-
Meta在多个平台的早期部署产生了数万变异体和数百个可操作的测试。
-
Meta在FSE 2025和EuroSTAR 2025展示了LLM如何克服变异测试的限制。
-
Meta推出了Catching Just-in-Time Test (JiTTest) Challenge，探索LLM在自动化软件测试中的应用。
-
LLM帮助简化和优化合规与风险管理框架，提高效率。
-
Meta计划将ACH扩展到更多领域和语言，并改善变异体生成。
-
Meta研究开发者与LLM生成测试的互动，以增强采用和可用性。
延伸问答
Meta如何利用大语言模型改进变异测试？
Meta通过将大语言模型生成的变异体和测试集成到自动化合规强化系统（ACH）中，提升了变异测试的合规覆盖率。
传统变异测试面临哪些局限性？
传统变异测试因变异体数量过多、高计算成本和冗余变异体的存在而应用有限。
Meta的ACH系统如何减少操作开销？
ACH系统使用大语言模型生成真实的变异体和针对性测试，减少了人工编写测试的需求，从而显著降低了操作开销。
Meta在多个平台的早期部署取得了哪些成果？
Meta在多个平台的早期部署产生了数万变异体和数百个可操作的测试，隐私工程师接受了73%的测试。
Meta的JiTTest挑战是什么？
JiTTest挑战旨在探索大语言模型在自动化软件测试中的应用，生成硬化测试以防止回归，并在拉取请求前进行测试。
Meta未来对ACH系统有哪些扩展计划？
Meta计划将ACH扩展到更多领域和语言，并改善变异体生成，继续优化合规与风险管理框架。
