ATTest: 面向深度学习库模块的代理驱动张量测试
偏微分方程分析
2026-02-17 v1
摘要
深度学习 (DL) 库的单元测试因其复杂的数值语义和隐式张量约束而具有挑战性。传统的基于搜索的软件测试 (SBST) 常因语义盲区而难以满足高维张量的约束，而大型语言模型 (LLM) 在跨文件上下文和不稳定代码修改方面表现不佳。本文提出 ATTest，一种用于模块级单元测试生成的代理驱动张量测试框架。ATTest 编排了一个七阶段流程，包括约束提取和迭代的“生成-验证-修复”循环，以维持测试稳定性并缓解上下文窗口饱和。在 PyTorch 和 TensorFlow 上的评估表明，ATTest 在 PynguinML 等最新基线之上显著优于，分别实现了 55.60% 和 54.77% 的平均分支覆盖率。结果说明了代理驱动的工作流程如何在数值库之间搭建语义鸿沟的同时，确保可审计的测试合成。
引用
@article{arxiv.2602.13986,
title = {Spectral Theory of Fractional Cooperative Systems and Threshold Dynamics in Epidemic Models},
author = {Cong-Bang Trang and Hoang-Hung Vo},
journal= {arXiv preprint arXiv:2602.13986},
year = {2026}
}