2026 年的精准测试：先圈影响集，再补回归用例

精准测试不是把回归集再跑一遍，而是回答：这次改动会碰到哪些代码，现有用例盖不住的那一部分要补什么。2026 年 ICSE 和 FSE 上的三篇工作，分别卡在影响集、补用例和用提交说明找缺陷这三步。

用变更意图圈影响集：RIPPLE

ICSE 2026 的 From Seed to Scope（Aashish Yadavally、Tien N. Nguyen）把变更影响分析做成意图感知。输入是变更意图和种子修改位置，输出是仓库里可能被牵动的方法集合。粒度停在方法级。语句级更准，但成本太高。

现有影响分析常在精确率和召回率之间换。RIPPLE 拆成两段。第一段从种子向外扩：用演化信息和调用、类成员依赖上的连通分量把相关方法收进来，提高召回。第二段先让模型写出变更计划，再按计划收缩影响集，提高精确率。使用者可以自己偏向精确率或召回率。

论文在 Apache 项目的真实提交上评估。相对已有影响分析方法，F1 提高 39.7% 到 380.8%。文中还报告，换不同的大模型做后端，精确率和召回率都高于对照方法。

这一步对应测试里的「范围」。影响集还不是用例。它只说明哪些方法该被现有回归或新用例碰到。

给未覆盖的改动行补用例：ChaCo

同在 ICSE 2026 的 ChaCo（Change And Cover）处理的是拉取请求的最后一公里。它假定这次拉取请求本身没有把缺陷合进去，目标是给新写或改过、但现有测试没盖到的代码补回归用例，用来抓住以后的回退。现场抓这次提交里的缺陷，论文把它当成另一类问题。

ChaCo 会沿拉取请求里的链接做有限轮检索，启发式去掉导航页之类的无关链接，再让模型据此写测试。论文报告有 43 个拉取请求被补到 100% 的补丁覆盖。这些覆盖来自可读的回归测试，不是模糊测试打出来的路径。论文还用维护者是否接受这些测试来看质量，而不是只报覆盖率数字。

和 RIPPLE 放在一起看：RIPPLE 回答「可能波及哪些方法」，ChaCo 回答「波及到了但还没有测试的行，补一条人能维护的用例」。

提交说明本身就能带出缺陷：Cleverest

FSE 2026 的 Cleverest 把回归测试生成看成一次翻译。输入是开发者写的提交说明、代码改动，以及输入格式的名字，例如 XML。输出是针对这次改动的回归输入。

实验覆盖 MuJS、Libxml2、Poppler、JerryScript、Z3 和 PHP 的 46 次提交。论文报告，反馈式、零样本的原型平均不到 2 分钟找出的缺陷，多于定向灰盒模糊测试工具 WAFLGo 跑 24 小时的结果。而且在多数情况下，WAFLGo 还带着能够到达该提交的种子。更意外的是，即使不提供代码差异、只给提交说明，Cleverest 仍然有效。

提交说明的信息量会改变结果。把原先无效的说明平均加上 18 个词、最多 46 个词，使它更具体之后，找出的缺陷数几乎翻倍。例如说明里写明「这次修改了 MuJS 里浮点数的处理」，生成的 JavaScript 程序就会带上浮点数。

三条怎么接成一条精准测试链路

国内团队做精准测试时，常见的失败是只做调用图圈选，圈出来的集合又大又不敢删。RIPPLE 的可调精确率，和 Cleverest 对提交说明的依赖，说明范围和质量都吃「这次到底想改什么」。提交说明如果只写 fix，后两步都会空转。