近日，程序设计语言研究室一篇论文《Validity-Preserving Delta Debugging via Generator Trace Reduction》被软件工程领域顶级期刊ACM Transactions on Software Engineering and Methodology (TOSEM)录用。

标题： Validity-Preserving Delta Debugging via Generator Trace Reduction.

作者： Luyao Ren, Xing Zhang, Ziyue Hua, Yanyan Jiang, Xiao He, Yingfei Xiong, Tao Xie.

摘要： 缩减触发错误的测试输入对于高效调试至关重要。Delta Debugging（DD）是实现此目标最常用的方法。当测试输入需符合特定规范时，现有的Delta Debugging会遇到有效性问题：该方法盲目应用缩减规则，产生大量不满足规范要求的无效测试输入。这种整体效能与效率的下降在规范超越语法结构范畴时尤为明显。我们的核心见解是，应当利用知晓这些规范的输入生成器来生成有效的缩减输入，而非直接对测试输入执行缩减操作。本文提出基于生成器的Delta Debugging方法GReduce，该方法可推导出保持有效性的缩减器。具体而言，给定生成器及其演示错误触发测试输入生成过程的执行轨迹，GReduce通过在生成器中搜索其他能产生缩减后有效测试输入的执行路径。在五个基准测试集（包括图形、深度学习模型、JavaScript程序、SymPy及代数数据类型）上的评估结果表明，GReduce显著优于包括Perses和T-PDD在内的前沿基于语法的缩减器，同时超越了QuickCheck、SmartCheck以及当前最先进的基于选择序列的缩减器Hypothesis，充分证明了GReduce的有效性、高效性与通用性。