arXiv cs.AI· Henry Yeung·· 11 小时前AI 评分38
KG-AST：用预算化测试选择与 AI Bug 审查降低 CI/CD 成本
KG-AST for Cheaper CI/CD: Budgeted Test Selection and AI Bug Review
AI 导读
KG-AST 依据 git 历史和代码图特征为每次提交打风险分，把测试与 AI 审查预算优先分配给高风险提交。在 11 种语言、155 个开源项目上，跨语言模型让最 risky 20% 提交的重测试覆盖 49-64% 的引入 bug 提交，随机选择为 20%，优先测最大改动为 40-55%，每种语言均领先 3.8 至 13.2 个百分点。
正文 · AI 翻译
摘要：持续集成和 AI 辅助审查对每次提交都花费相同的预算，尽管很少有提交会引入缺陷。我们研究 KG-AST，它在运行重型测试或 AI 审查之前，根据 git 历史和代码图特征为每次提交的风险打分，从而让预算优先流向风险最高的提交，并且只把变更周围的图切片交给 AI 审查器。在 11 种语言的 155 个开源项目上，一个在其他项目上训练的单一跨语言模型对提交进行排序，使得对风险最高的 20% 提交进行重型测试可覆盖 49-64% 的引入缺陷提交（取决于语言），而随机选择为 20%，优先测试最大变更则为 40-55%。
每种语言都优于最大变更基线，领先 3.8 到 13.2 个百分点。在 20 个 Java 项目中，20% 预算下的增益为 15.1 个百分点（64.6% 对 49.5%，95% 区间 +11.6 到 +18.4），且该模型在 20 个项目中的 19 个中胜出。大约十二个训练项目就足够；更丰富的特征、调参和更干净的标签没有帮助。仅查看提交 diff 的 AI 审查器能准确找到 26% 的后续修复缺陷（有图上下文时为 32%），并且其未匹配到后续修复的发现中约有一半被独立 AI 评判员判定为真实。静态调用图选择器运行约 8% 的测试套件，同时在 67 个修复提交中的 85% 里包含了为修复编写的测试。我们检索工作中使用的 Poincare 嵌入在此没有可测量的增益：提交风险 AUC、缺陷审查和严重性排序不变或更差。标签有噪声，且预算指标假设重型测试能捕获其覆盖的缺陷；未测量 CI 分钟数。
| 主题： | 软件工程 (cs.SE)；人工智能 (cs.AI) |
| 引用为： | arXiv:2611.06950 [cs.SE] |
| （或 arXiv:2611.06950v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06950 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Henry Yeung [查看电子邮件]
[v1]
2026年11月3日星期二 16:28:29 UTC（116 KB）
来源：arXiv cs.AI · arxiv.org