Meta 将 JiTTests 投入生产:用 LLM 生成测试在风险代码合入前失败
Meta 已将基于 LLM 的 JiTTests 从研究原型投入生产基础设施,该系统会针对风险代码变更生成应当失败的测试,在合入前暴露行为变化。据 Meta 团队数据,2026 年上半年在 diff 阶段捕获 74 个隐私 SEV,同期隐私 SEV 发生率下降 20%,工程师自报全量规模下真阳性率 60%。
Meta 已将基于 LLM 的 JiTTests 从研究原型投入生产基础设施,该系统会针对风险代码变更生成应当失败的测试,在合入前暴露行为变化。据 Meta 团队数据,2026 年上半年在 diff 阶段捕获 74 个隐私 SEV,同期隐私 SEV 发生率下降 20%,工程师自报全量规模下真阳性率 60%。
Amazon Web Services 团队提出 Priming 方法,以预训练 Transformer 权重为起点构建混合状态空间模型,把混合架构的预训练成本降低 99% 以上,整个流程消耗不到源模型预训练 token 预算的 0.5%。
推荐理由:亚马逊团队提出复用预训练 Transformer 权重改造混合架构的方法,把预训练成本降低 99% 以上,并给出可复现的模型与代码。