CCF ChinaSoft 2023 论坛巡礼｜软件测试产教研融合论坛

2023年CCF中国软件大会（CCF ChinaSoft 2023）由CCF主办，CCF系统软件专委会、形式化方法专委会、软件工程专委会以及复旦大学联合承办，将于2023年12月1-3日在上海国际会议中心举行。

本次大会主题是“智能化软件创新推动数字经济与社会发展”，学术、工业、教育、竞赛等分论坛活动40余场，期待您的参与！

目前大会火热报名中！

CCF ChinaSoft 2023官方首页：

http://chinasoft.ccf.org.cn/

点击文末“阅读原文”或扫描下方二维码进入官方注册通道:

https://conf.ccf.org.cn/chinasoft2023

✦  +

+

论坛巡礼

论坛名称：软件测试产教研融合论坛

时间：2023年12月02日09:00-12:00

地点：复旦大学邯郸校区逸夫楼601会议室

论坛简介：

我国软件产业正处于快速发展的阶段，软件测试作为软件质量保证的关键环节，其重要性日益凸显。为了适应产业发展需求，提高软件测试人才的综合素质，产教研融合成为了当前软件测试领域的重要发展趋势。本论坛旨在搭建一个互动、共享、创新的平台，探讨软件测试领域的前沿技术、产业动态和教学改革。我们将围绕基础软件和大模型的软件测试产教研融合主题，展开深入的交流和研讨，介绍软件测试最新研究成果，推动学术界与产业界的交流与合作，加速技术成果转化。探讨软件测试专业人才培养模式的创新，分享优秀教学资源和实践经验，提高教育教学质量。推动产业、教育、科研三方资源的整合，促进产学研合作，为我国软件测试人才培养提供有力支持。

日程安排

Schedule

论坛主席

  Forum Chair

陈振宇（南京大学）

南京大学软件学院教授、博导，主要从事智能软件工程的研究。中国计算机学会杰出会员与杰出讲者，国家一流本科课程《软件测试》负责人。曾主持国家重点研发计划课题1项和国家自然科学基金重点项目1项。研究成果已经在中船重工、航天科工、中国电科、国家电网、百度、阿里、腾讯、华为等知名企业转化，研究成果获2012年度江苏省科学技术奖一等奖、2015年湖北省科技进步奖一等奖、2017年CCF NASAC-东软青年软件创新奖、2021年中国电子学会科技进步奖一等奖、2021年江苏省教学成果奖特等奖、2022年国家级教学成果奖一等奖。

论坛嘉宾

Forum Guests

陈俊洁（天津大学）

天津大学智能与计算学部特聘研究员，博士生导师，软件工程团队负责人，国家优青项目获得者；研究方向主要为基础软件测试、可信人工智能、数据驱动的软件工程等。荣获中国科协青年托举人才、CCF优博、电子学会自然科学一等奖等奖项，入围斯坦福大学发布的年度全球前2%顶尖科学家榜单。近年发表CCF A类论文60余篇，获六项最佳论文奖（包括五项CCF-A类会议ACM SIGSOFT杰出论文奖，以及一项CCF-B类会议ISSRE的唯一最佳论文奖）。成果在华为、百度等多家知名企业落地。担任CCF-A类会议ASE 2021评审过程主席，Dagstuhl研讨会联合主席，以及软件工程领域全部CCF-A类会议的程序委员会成员等。

报告题目

数据驱动的编译系统测试方法

摘要

为了保障编译系统这一类基础软件的质量，本项研究提出数据驱动的编译系统测试方法，通过细粒度地挖掘与分析历史揭示缺陷的测试程序特性，构建代码语义理解模型，进而利用语义多样性引导生成合法且多样的新测试程序。该种方式显著提升编译系统测试效果与效率，已在广泛使用的编译系统检测到数十个真实未知缺陷，显著优于领域先进技术。

朱少民（同济大学）

同济大学特聘教授、CCF TF软件质量工程SIG主席、软件绿色联盟标准评测组组长、AiDD峰会发起人。近三十年来一直从事软件工程的教学和研究工作，先后获得多项省、部级科技进步奖，已出版了二十多部著作和4本译作。之前曾任思科（中国）软件有限公司QA高级总监、IEEE ICST 2019工业论坛主席、IEEE ICST、QRS和DSA、NASAC程序委员、《软件学报》审稿人等。

报告题目

大模型时代软件测试方向与趋势

摘要

在软件研发领域应用Al算法或技术，软件测试是走在前面的，从早期采用遗传算法、粒子群优化算法等生成测试数据开始，Al技术渗透到软件测试的各个方面，包括测试建模、测试用例集优化、GUI白动化测试、测试结果分析等各个方面。大模型不断涌现，对软件研发和测试带来新的机遇和挑战，也迫使软件行业从业人员重新思考软件测试新的方向。本次分享和讨论将着重讨论如何应用大模型为软件测试赋能、如何借助LLM相关技术更高效地完成测试工作，以及未来技术发展方向。

原玉娇（贝壳）

北京理工大学硕士毕业，曾就职于滴滴、字节，目前在贝壳担任资深工程师，负责大模型技术在测试域企业级的工程化探索和应用，基于“领域知识+场景+agent”构建垂直域智能体实现大模型能力延伸，包括测试需求分析、测试用例自动生成、缺陷追踪和智能定位等，优化协同流程机制、助力业务快速迭代从而提升自动化产能。

报告题目

大模型在测试域提效挑战和方案

摘要

测试提效是保障企业生产交付效率的关键。在贝壳因业务多样性带来测试多类别，多领域的特征，因此质量工具建设存在高维护和学习成本（比如环境、性能、稳定性、多端自动化、数据等）。此外，测试人员存在质量方差，质量经验及能力难以迁移导致知识的复用率低。本报告介绍在贝壳基于llm AI应用在测试域提效的挑战和方案，包括如何基于知识工程构建垂直域的质量大脑，如何通过场景扩展agent应用到实际生产交付流程中保障效率提升。

王俊杰（中国科学院软件研究所）

中国科学院软件研究所研究员，博士生导师，中国科学院特聘研究岗位，软件所杰出青年，主要从事智能化软件工程、软件质量等方面的研究，近年来主要关注移动应用测试、智能软件测试、众包测试等。在国际著名学术期刊/会议发表50余篇高水平学术论文，四次荣获ACM/IEEE杰出论文奖。主持和参与了多项国家自然科学基金项目、科技部重点研发计划、CCF-华为胡杨林基金等。担任CCF A类期刊TSE的副主编（Associate Editor），FSE、ICST、ICSE demo等的PC member，TSE、TOSEM、EMSE、AUSE等期刊的审稿人。

报告题目

基于大模型的移动应用测试

摘要

大语言模型已经在各种领域的下游任务中展现出了令人惊叹的效果，这次报告将介绍我们研究团队近期利用大模型进行移动应用测试方面的一些工作，探索如何充分利用大语言模型的能力来提升移动应用测试的效果和效率。我们这次报告将展示我们在自动生成多样性和复杂性测试输入方面的方法（相关成果发表在ICSE2023），还会分享关于如何利用大语言模型生成GUI测试路径的研究进展（相关成果发表在ICSE2024），以及针对GUI输入文本的模糊测试技术（相关成果发表在ICSE2024）。这些相关技术不仅能够服务于移动应用测试，相关思路也能支撑其他类型的测试任务。

娄一翎（复旦大学）

复旦大学计算机科学技术学院青年副研究员，2016年毕业于北京大学信息科学技术学院，获理学学士学位，2021年毕业于北京大学信息科学技术学院，获理学博士学位，博士毕业后在美国普渡大学计算机系任博后研究员。主要研究方向包括软件工程、软件测试与分析、智能化软件开发等。目前已在ICSE、FSE、ASE、ISSTA、TSE等软件工程国际高水平会议和期刊上发表论文二十余篇，获ACM SIGSOFT Distinguished Paper Award、IEEE TCSE Distinguished Paper Award，并担任ICSE、FSE、ASE、ISSTA等国际会议程序委员会委员。

报告题目

基于大模型的单元测试生成

摘要

人工编写单元测试费时费力。传统方法所生成的单元测试代码往往不符合开发者的编码风格，对单元测试的编写效率提升有限。大语言模型（LLMs）在大规模代码语料上进行预训练，往往能够生成更接近开发者风格的、更有意义的代码，因此在单元测试生成方面具有巨大潜力。本报告将分享ChatGPT等代表性大模型在单元测试生成上的能力评估，包括其所生成单元测试代码的正确性、充分性、可读性和可用性等；进而提出基于大模型的高质量单元测试生成方法，并探索该方法在开源和商用大模型上的效果。

周建祎（华为）

华为云PaaS技术创新Lab算法工程师，本硕毕业于北京航空航天大学，博士毕业于北京大学计算机学院。博士阶段的研究方向包括测试执行优化和深度学习系统测试，在CCF-A类会议或期刊共发表4篇论文。22年获得博士学位入职华为。入职以后围绕单元测试用例自动生成和自动演化等方向展开工作。近期带领团队探索基于大模型生成单元测试用例的实践。

报告题目

华为云智能单元测试生成实践

摘要

随着软件系统规模扩大，保障软件系统正确性需要做的工作越来越多。大量的维护、测试人员投入在保证软件系统的正确性上。业界也逐渐意识到测试左移的重要性。如何自动生成单元测试用例也逐渐成为业界关注的热点。早期，主流的单元测试用例自动生成技术主要利用代码分析技术自动生成单元测试用例，主要面临的技术难点包括：复杂对象构造、多语言拓展、可读性提升等。当下，随着大模型的能力在许多领域取得了突破性进展，传统技术的一些局限找到了更好的解决方案。我们尝试利用之前积累的代码分析技术结合大模型技术，进一步提升单元测试用例自动生成的效果，提升研发和测试效率。本次报告将分享如何利用大模型技术自动生成单元测试用例，以及在华为的落地实践。