PRIMG : Efficient LLM-driven Test Generation Using Mutant Prioritization

一、文章主要内容总结

本文提出了一种针对Solidity智能合约的测试用例生成框架PRIMG（Prioritization and Refinement Integrated Mutation-driven Generation），旨在通过突变优先化和LLM驱动的测试生成，解决传统变异测试中测试套件庞大、计算开销高的问题。核心内容包括：

1. 框架设计

   • 突变优先化模块：利用机器学习模型（岭回归）预测存活突变体的“有用性”，基于突变体包含图（DMSG）和测试完整性提升概率（TCAP），选择高影响力的突变体作为测试目标，减少冗余。
   • 测试生成模块：使用LLM（如Llama 3.1）生成测试用例，并通过迭代优化（语法和行为验证）提升测试正确性，解决LLM生成代码时的语法错误和逻辑漏洞问题。

2. 实验验证

   • 基于Code4Arena的3个真实Solidity项目（Allobase、Particle、Quadrata）进行评估，结果表明：
     • PRIMG在保持高变异覆盖率的同时，显著减少测试套件规模。
     • 优先化模块相比随机选择突变体，生成的测试用例能更