KQFuzz: Knowledge-Guided Fuzzing for Quantum Libraries via Large Language Models
KQFuzz 是一种知识引导的模糊测试工具，利用大语言模型为量子库生成测试用例。它通过代码库知识引导提示、适应度引导评估和两级变异来探索执行路径并触发潜在错误。在三个流行量子库上进行了测试。
Development
- First ReportKQFuzz: Knowledge-Guided Fuzzing for Quantum Libraries via Large Language ModelsarXiv cs.AI
- Current Assessment该工作表明 LLM 在软件测试领域的应用正从传统代码扩展到量子计算等新兴领域。量子库的可靠性是量子计算实用化的关键瓶颈，KQFuzz 提供了一种自动化测试方案。可关注该工具是否被集成到主流量子开发框架（如 Qiskit、Cirq）中。Agent Pulse · analysis
KQFuzz 是一种新颖的知识引导模糊测试器，专门用于量子库。它利用全面的代码库知识来引导基于 LLM 的测试生成，并结合适应度引导评估和两级变异来探索复杂执行路径并触发潜在错误。KQFuzz 引入了一种针对量子程序定制的提示方案，策略性地融入代码库知识以高效生成高质量量子种子程序。此外，还开发了评估和变异策略来处理生成的种子程序，促进高效的模糊测试执行，同时丰富测试用例的多样性。KQFuzz 已在三个流行量子库上实施并进行了模糊测试。
KQFuzz 的核心创新在于将代码库知识显式注入 LLM 提示，以生成更相关的量子种子程序，这比纯随机或模板生成更高效。其两级变异策略（可能包括程序级和指令级变异）结合适应度引导，有望覆盖更深层的执行路径。未来可关注其与现有量子模糊测试工具（如 Quito）的对比结果。
该工作表明 LLM 在软件测试领域的应用正从传统代码扩展到量子计算等新兴领域。量子库的可靠性是量子计算实用化的关键瓶颈，KQFuzz 提供了一种自动化测试方案。可关注该工具是否被集成到主流量子开发框架（如 Qiskit、Cirq）中。
对于量子计算软件栈的开发者，KQFuzz 可降低量子库的测试成本，提高软件质量。对于提供量子云服务的公司，更可靠的库意味着更少的运行时故障，提升客户信任。可关注是否有量子计算公司采用该工具或类似方法。
KQFuzz 的下一步可能是开源代码库，以便社区复现和扩展。此外，其方法可推广到其他领域的库模糊测试。可关注是否有后续论文提供更详细的实验数据，如发现的 bug 类型和数量。