面向深度学习自然语言处理模型演化的模糊测试方法及系统

本发明公开了一种面向深度学习自然语言处理模型演化的模糊测试方法及系统，构建由原始模型正确样本组成的初始种子池；执行多轮迭代测试，每轮包含种子调度、变异、过滤、检测与维护。种子调度根据历史表现动态优选待变异种子。变异阶段采用多粒度变异算子库，并基于算子历史表现自适应调整选用概率。过滤阶段利用对比学习模型计算语义相似度，筛除低保真变异文本。检测阶段通过对比新旧模型对高保真文本的预测结果来识别回归缺陷。维护阶段则计算未触发缺陷文本的潜力值，结合种子来源与错误行为双维度多样性策略更新种子池。该方法能生成高保真、多样性的测试用例，有效提升对NLP模型回归缺陷的检测能力与测试充分性。