KG-AST：按风险预算分配测试与AI审查

Henry Yeung 提交的论文提出 KG-AST：它依据 git 历史和代码图特征，为每次提交打风险分，在运行重测试或 AI 审查之前，把预算优先分配给高风险提交，并且只把改动附近的图切片交给 AI 审查者。 在 11 种语言、155 个开源项目上，用其他项目训练的单一跨语言模型对提交排序后，对风险最高的 20% 提交做重测试，可覆盖 49-64% 的引入 bug 的提交（随语言而异）；随机选择为 20%，优先测试最大改动为 40-55%，每种语言均领先 3.8 至 13.2 个百分点。在 20 个 Java 项目中，20% 预算下的提升为 15.1 个百分点（64.6% 对 49.5%，95% 区间 +11.6 至 +18.4），模型在 20 个项目中的 19 个胜出。 论文称约 12 个训练项目即够用，更丰富的特征、调参和更干净的标签未带来帮助。作者同时指出标签存在噪声，预算指标假设重测试能捕获其覆盖的 bug，且未测量 CI 分钟数。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。