Proj CMI Paper Reading: Inputs from Hell Learning Input Distributions for Grammar-Based Test Generation

Abstract

本文：
Task: 基于概率文法生成测试用例
方法：

1. 3种生成策略
2. Common inputs: 通过从通⽤输⼊中学习，我们可以创建与样本相似的输⼊；这对
3. Uncommon inputs:通过反转概率
4. Failure-inducing inputs: 从过去导致失败的输⼊中学习，为我们提供了具有相似特征的

实验：
测试集：包含3种常见格式：Json, JS, CSS
结果：

1. Common inputs: 再现了样本诱导出的 96% 的⽅法（？）。相⽐之下，
2. Uncommon inputs:对于⼏乎所有受试者 (95%)，与样本显着不同（？？？难道不是当然的）
3. Failure-inducing inputs: 再现了由故障诱导样本触发的所有异常（100%），并发现了新bug