TensorMutation 不再重训每个变异体:用神经图上的 GNN 预测预训练变异的权重变化
深度学习变异测试长期在成本与真实性之间取舍:预训练变异体更接近真实故障,却要为每个变异体重新训练模型。TensorMutation 把训练好的模型表示成神经图,用受变异条件约束的图神经网络直接预测参数变化,从而在不重训的情况下生成可执行变异体。在 12 个真实故障对象上,它的行为相似度中位数高于后训练工具 DeepMutation++,差异经 Holm 校正后显著;与预训练工具 DeepCrime 及范数匹配随机对照的差异则不显著。