SCATE：学习监督 编码智能体 以实现具有成本效益的测试生成

虽然自主 编码智能体 具有显着先进的自动化测试生成，但它们仍然从根本上受到惰性生成的限制，这种现象是代理过早终止任务并系统地避免复杂的编程逻辑，从而导致代码覆盖率不足。目前，缓解这种过早终止的情况需要持续的人在环监督。这种对人类直觉的严重依赖造成了瓶颈，阻碍了自动化生成的效率提升。我们提出了 SCATE，这是一个用于 编码智能体 的自适应、自动监督的框架，可取代测试生成期间的人工干预。通过将监督制定为上下文强盗问题，SCATE 学会根据当前覆盖率和类别可测试性指标选择最有希望的测试操作，从而最大化覆盖率收益，同时最大限度地减少浪费的生成工作。我们的实证评估表明 SCATE 与不同的 编码智能体 无缝集成。当应用于 GEMINI-CLI 时，与仅使用代理的基线相比，它的线路覆盖率提高了 32.3%，分支覆盖率提高了 30.9%。与 CLAUDE CODE 的比较证实该框架动态调整其策略以优化每个代理的独特优势。 SCATE 在所有指标上也始终优于最先进的非代理方法。