ConCovUp：用于并发测试的有效的基于代理的测试驱动程序生成

并发测试对于提高多线程程序的可靠性和安全性至关重要。动态分析工具（例如 TSan）依赖于在运行时实现关键共享内存交互的高质量测试驱动程序。然而，当前的测试实践主要集中在顺序逻辑上，在自动并发测试生成方面留下了空白。最近，大语言模型 (LLM) 在生成顺序测试方面表现出了希望，但在没有深入理解并发语义的情况下，它们很难生成有效的并发测试。本文提出了 ConCovUp，一个将 LLM 与程序分析相结合的多智能体框架。 ConCovUp 将测试生成基于静态分析，以提取共享内存访问及其调用上下文。为了触发难以到达的访问，它引入了 LLM 驱动的反向跟踪方法，利用模型的语义推理来推断满足复杂路径约束的具体输入，并通过动态执行反馈迭代地细化生成的测试。我们对 9 个真实 C/C++ 库的评估表明，ConCovUp 将平均共享内存访问对覆盖率（SMAP 覆盖率）从一般 Claude Code 代理基线的 36.6% 提高到 68.1%。