CovAgent：借助智能体 AI 与动态仪表化突破移动应用覆盖率的 30% 瓶颈
软件工程
2026-01-30 v1
摘要
自动化 GUI 测试对于确保 Android 应用的质量和可靠性至关重要。然而，现有 UI 测试技术的有效性常受限，尤其在覆盖率方面。近期研究，包括最先进的工作，难以在真实应用中实现超过 30% 的 activity 覆盖率。这种有限的覆盖率可归因于多个因素，如未能生成复杂的用户输入、设备配置和外部资源的激活条件未满足、以及难以通过 GUI 访问的难达代码路径。为克服这些限制，我们提出了 CovAgent，一种新的智能体 AI 驱动的方法，用于增强 Android 应用 UI 测试。我们的模糊测试无关框架包括一个检查应用反编译 Smali 代码和组件转换图的 AI 智能体，推理分析阻止访问那些无法通过标准和广泛采用的 GUI 模糊器到达的 activity 的未满足激活条件。随后，另一个智能体生成动态仪表化脚本，以满足成功转移到这些 activity 所需的激活条件。我们发现，通过我们的框架增强现有模糊测试方法，可显著提高对比最先进工作（如 LLMDroid）以及其他基线（如 Fastbot 和 APE）的测试覆盖率（分别提高了 101.1%、116.3% 和 179.7%）。CovAgent 在 class、method 和 line 覆盖率等其他指标上也超越了所有基线。我们还对 CovAgent 中的组件进行了调查，以揭示智能体 AI 在自动化应用测试领域有效性的进一步见解，包括智能体激活条件推断准确率和智能体 activity 启动成功率。
引用
@article{arxiv.2601.21253,
title = {CovAgent: Overcoming the 30% Curse of Mobile Application Coverage with Agentic AI and Dynamic Instrumentation},
author = {Wei Minn and Biniam Fisseha Demissie and Yan Naing Tun and Jiakun Liu and Mariano Ceccato and Lwin Khin Shar and David Lo},
journal= {arXiv preprint arXiv:2601.21253},
year = {2026}
}
备注
Under Review; We open-source CovAgent at https://osf.io/vxgwm/?view_only=3edf2abe5a12419fa6413933da851847