Folia
← 返回头版

AI代理难以有效应用测试技术

研究人员对AI代理在代码实现中的测试能力进行了系统评估,测试了26种不同的测试技术和库对其表现的影响1。实验基于Zstd实现和IMAP RFC等编码任务,所有代码均使用Rust编写,每个测试条件平均运行80次1。测试条件包括ACL2、Alloy、审计、模糊测试、Hegel、Kani、Lean 4、属性测试和测试驱动开发(TDD)等多种方法1。

研究发现,AI代理即使被明确指导使用特定的测试技术或库,仍然无法有效应用这些工具1。TDD按预期表现不佳,形式化方法也未能超越不加任何指导的默认条件1。属性测试库proptest相对有效,但仍远低于人类水平1。值得注意的是,在中等努力级别下,代理的结果通常低于更高努力级别的表现1。

此外,研究显示AI代理能够识别代码中的高风险区域,但无法对这些区域进行有效测试1。代理在高努力级别下通常能通过自己编写的测试,但这些测试的质量较差1。总体而言,未施加任何特殊指导的默认设置反而产生了更好的结果1。


评论