TestDecision：通过贪婪优化和强化学习生成顺序测试套件

随着 LLM 的快速发展，自动化软件测试正在见证范式转变。虽然 GPT-4o 等专有模型展示了令人印象深刻的功能，但其高昂的部署成本和数据隐私问题使得开源 LLM 成为许多学术和工业场景的实际需要。在自动化测试生成领域，已经发展到基于LLM构建测试套件的迭代工作流程。当使用开源LLM时，我们凭经验观察到它们缺乏套件级别的视角，患有结构性短视——无法根据当前覆盖的状态生成具有较大边际收益的新测试。在本文中，从序列的角度来看，我们将测试套件生成形式化为 MDP，并证明其目标表现出单调子模性，这使得能够将这种 NP 难全局优化有效地放松为易于处理的逐步贪婪过程。在这一见解的指导下，我们提出了 TestDecision，它将 LLM 转变为神经贪婪专家。 TestDecision 由两个协同组件组成：（1）推理框架，按照逐步贪婪策略实现测试套件构建； (2)强化学习的训练管道，为基础LLM配备顺序测试生成能力，以最大化边际增益。对 ULT 基准的综合评估表明，TestDecision 显着优于现有的先进方法。与所有基础模型相比，它的分支覆盖率提高了 38.15-52.37%，执行通过率提高了 298.22-558.88%，在 7B 主干上实现了与更大的专有 LLM GPT-5.2 相当的性能。此外，TestDecision 比普通基础 LLM 发现的错误多了 58.43-95.45%，并在 LiveCodeBench 上表现出卓越的泛化能力，证明了其构建高质量测试套件的能力。