文章核心總結(jié)與創(chuàng)新點主要內(nèi)容文章對2021年5月至2025年8月期間發(fā)表的115篇相關(guān)文獻進行系統(tǒng)綜述，聚焦大語言模型（LLMs）在單元測試生成領(lǐng)域的應(yīng)用。首先分析了傳統(tǒng)自動化測試生成方法（如搜索式軟件測試、符號執(zhí)行）的局限性——缺乏語義理解能力，難以生成符合特定領(lǐng)域格式的輸入和有效的斷言；隨后闡述了LLMs憑借大規(guī)模代碼和自然語言預(yù)訓(xùn)練所具備的語義理解優(yōu)勢，能夠彌補傳統(tǒng)方法的“語義鴻溝”。文章構(gòu)建了基于單元測試生成生命周期的統(tǒng)一分類框架，圍繞模型應(yīng)用核心策略（提示工程、微調(diào)、預(yù)訓(xùn)練）、增強技術(shù)（生成前上下文富集、生成后質(zhì)量保障、系統(tǒng)級協(xié)同）展開深入分析，最后指出當(dāng)前領(lǐng)域面臨的核心挑戰(zhàn)，并提出未來研究路線圖。創(chuàng)新點提出統(tǒng)一分類框架：將LLMs視為需要系統(tǒng)工程約束的隨機生成器，構(gòu)建涵蓋“模型準(zhǔn)備-提示驅(qū)動生成-生成前富集-生成后質(zhì)量保障-系統(tǒng)級協(xié)同”的全生命周期分析框架。揭示核心技術(shù)格局：明確提示工程（占89%的研究）是主流應(yīng)用策略，迭代驗證與修復(fù)循環(huán)是提升測試可編譯性和執(zhí)行通過率的關(guān)鍵機制。系統(tǒng)梳理增強技術(shù)體系：整合靜態(tài)/動態(tài)程序分析、傳統(tǒng)測試技術(shù)協(xié)同等軟件工程方法，形成完善的LLM測試生成增強方案。精準(zhǔn)定位關(guān)鍵挑戰(zhàn)與方向：指出故障檢測能力弱、缺乏標(biāo)準(zhǔn)化評估基準(zhǔn)等核心問題，提出向自主測試代理、LLMs與傳統(tǒng)工具混合系統(tǒng)演進的未來路線。翻譯部分（Markdown格式）