KG-AST：为预算有限的测试与AI审查优先高风险提交

摘要

一项研究提出KG-AST，利用git历史和代码图特征对提交进行风险评分，从而将测试和AI审查预算优先分配给风险最高的提交。在155个开源项目（11种语言）中，测试风险最高的20%提交覆盖了49%–64%的引入缺陷提交，优于随机选择（20%）和最大变更优先（40%–55%）。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%）。带图上下文的AI审查员能精确找到32%的后续修复缺陷，静态调用图选择器运行约8%的测试套件，同时覆盖85%的修复提交（67个中）。

这里提供经过审核的摘要。完整内容请前往原文阅读。

各行业推荐理由

• 人工智能

  与人工智能和软件工程相关：展示了一种利用机器学习对提交风险评分和AI辅助缺陷审查来优化CI/CD预算的实用方法，相比基线有可衡量的改进。