标题： 使用大语言模型进行网络软件的极端测试 显示英文标题

标题： Extremal Testing for Network Software using LLMs

摘要： 物理学家在测试理论时经常手动考虑极端情况。 在本文中，我们展示了如何通过使用大语言模型（LLMs）来自动化网络软件的极端测试，分为两个步骤：首先，让LLM生成输入约束（例如，DNS名称长度限制）；然后让LLM生成违反这些约束的测试用例。 我们通过为HTTP、BGP和DNS实现生成极端测试用例来展示这个过程有多简单，每个用例都发现了新的错误。 我们展示了这种方法如何扩展到集中式网络软件，如最短路径算法，并且如何让LLMs生成过滤代码以拒绝极端输入。 我们建议使用代理AI进一步自动化极端测试。 LLM生成的极端测试超越了软件测试中一种称为边界值分析的旧技术。 显示英文摘要

摘要： Physicists often manually consider extreme cases when testing a theory. In this paper, we show how to automate extremal testing of network software using LLMs in two steps: first, ask the LLM to generate input constraints (e.g., DNS name length limits); then ask the LLM to generate tests that violate the constraints. We demonstrate how easy this process is by generating extremal tests for HTTP, BGP and DNS implementations, each of which uncovered new bugs. We show how this methodology extends to centralized network software such as shortest path algorithms, and how LLMs can generate filtering code to reject extremal input. We propose using agentic AI to further automate extremal testing. LLM-generated extremal testing goes beyond an old technique in software testing called Boundary Value Analysis.