使用 大语言模型 为增强现实应用程序生成存储库感知的变形关系

变形测试（MT）通过指定输入和输出之间的预期关系，而不是依赖于确切的输出，为没有定义测试预言机的软件测试提供了一种有前景的方法。例如，由于虚拟内容、物理环境和代码之间的动态交互，测试增强现实 (AR) 应用程序具有挑战性，这使得传统的测试预言机难以定义。然而，制定变质关系（MR）既耗时又繁重。我们引入了一个上下文感知管道，该管道使用存储库级上下文和推理编排生成和完善 MR，并在 142 个移动 AR 系统存储库的数据集上进行评估。在生成 14,916 个候选 MR 的三种上下文配置中，分层上下文产生了最广泛的覆盖范围（跨 142 个存储库和 5,167 个类方法对的 7,004 个 MR）和较低的冗余。然后，代理审议过程协调了相互冲突的候选人（在 79.0% 的案例中观察到），减少了重复并在 88.2% 的结果中选择了上下文感知关系。手动预言机研究表明，精细关系 (n = 141) 在逻辑上有效且足够具体，可以直接转化为测试断言，初步案例研究表明，将生成的 MR (n = 5) 转换为可执行测试可以检测现实代码中的非等效突变。总的来说，我们的结果表明，将存储库感知的 MR 生成与基于推理的细化相结合，可以实现可靠的、领域相关的测试预言机的可扩展构建。