---
title: "研究人员报告利用智能体与符号执行发现软件缺陷"
dek: "研究团队称，其自动化框架结合了 AI 编程智能体与 CrossHair，并为每个报告的缺陷生成具体测试。相关结果来自论文摘要。"
---

研究人员于 2026 年 11 月 11 日提交了一篇论文，介绍一种结合 AI 编程智能体与符号执行的方法，用于发现 Python 应用中的缺陷。作者称，该系统会为报告的每个缺陷生成一个具体测试作为证据。[^1]

符号执行使用符号输入探索程序行为，而不只运行选定的具体输入。作者指出，使用 Python 符号执行工具 CrossHair 有两项障碍：需要人工为代码添加断言，还需要对数据库等外部执行环境建模。他们称，所设计的自动化框架无需人工介入，就能为代码仓库添加断言、合成可处理约束的符号数据库环境、运行 CrossHair 并生成测试。[^1]

摘要报告称，研究评估了 11 个开源 Python Web 应用，共计 1,156,044 行代码。作者称，使用合成环境时，CrossHair 执行了 5,406 个带契约函数中的 81%，不使用时为 4.5%。他们报告发现了 1,050 个缺陷，均可通过针对未修改应用的测试复现，其中 221 个由 CrossHair 发现；312 个缺陷未被使用同一大语言模型检查代码的基线方法发现。摘要称，CrossHair 发现的主要是边界输入导致的崩溃，代码检查发现的主要是输出错误。[^1]

:::analysis
这项工作涉及智能体层（T5）：AI 编程智能体协助准备和检查代码；也涉及运行时层（T2）：应用的执行过程在这一层接受检查。具体测试可以为验证者提供可复现的检查案例，但若未独立检查相关测试及其条件，摘要中的汇总结果仍需信赖作者的报告。可识别性同样重要：如果向用户提供服务的确切版本和配置有记录且可核查，用户就能判断自己是否受某个受影响配置的波及；运营者应核查自身的版本、配置和相关测试用例。摘要没有指出应安装的修复版本。[^1]
:::

:::checked
我们于 2026 年 11 月 21 日阅读了保存的 arXiv 摘要页面“Bug Finding With Agentic Symbolic Execution”；该论文于 2026 年 11 月 11 日提交。[^1] 我们没有阅读论文全文，也没有测试该系统、其生成的测试或报告中的结果。
:::
