约束理解提升近5成
将约束依赖图转化为上下文约束，结合推理与回溯机制，让大模型自动生成满足测试约束的驱动代码。
刘井强 · Liang, Ruigang · Xiaoxi, Zhu · Yue, Zhang · 刘玉岭 · 刘奇旭
Cybersecurity 2025
通过将约束依赖图转化为上下文约束，模型能更准确地捕捉测试目标中的约束，从而生成更符合要求的测试用例。
与基线相比，所有大模型的平均 pass@k 提升 10.41%，CodeQwen-chat 提升达 18.66%，生成的代码功能正确性更高。
在包含恶意行为的 Python 第三方库安全测试任务上验证了方法的有效性，表明其具备实际应用与泛化能力。