受限预算下文档结构空间中的搜索基于风险特征发现

企业级智能文档处理（IDP）系统支持金融、保险和医疗保健领域的高风险工作流程。早期阶段在有限预算下的系统验证要求发现多样化的失效机制，而不仅仅是识别单一最差文档。我们将这一挑战形式化为搜索基于软件测试（SBST）问题，旨在识别文档变量之间的复杂交互，目标是在固定评估预算内最大化发现的不同失效类型数量。我们的 methodology operates on a document configurations 的组合空间，呈现结构 \emph{risk features} 的实例以诱导真实世界的失效条件。我们对各种搜索策略进行了基准测试，涵盖进化、群体、质量-多样性、学习-基于和量子方法，在相同的预算约束下进行。通过 configuration-level exclusivity、win-rate 和 cross-temporal overlap 分析，我们展示了不同求解器在相当相同的预算下始终发现特定替代方案无法发现的失效模式。关键的是，cross-temporal analysis揭示了在所有评估的预算中，solver-specific 的发现持续存在，没有单一策略表现出绝对优势。尽管所有求解器的联合 eventually 恢复了观察到的失效空间，但依赖于任何单个方法系统地延迟了重要风险的发现。这些结果表明求解器的内在互补性，动机基于组合的 SBST strategy for robust industrial IDP validation。