LLM和符号执行在自动化测试用例生成中的结合，代表了一种神经-符号混合范式。为了用LLM的语义理解和生成能力，去弥补符号执行在复杂环境建模和约束求解上的短板，同时用符号执行的系统性途径探索能力，来约束LLM的幻觉和途径包括缺失。这种融合仍处于能力互补、边界清晰的阶段，边界可从两种技术各自的固有局限以及融合后产生的新约束来理解。

LLM在测试生成中的能力和边界

LLM擅长从代码和文档中提取语义，生成人类可读的测试意图和断言，但生成过程本质上是概率性的，缺乏对程序执行途径的系统性推理能力。

能力表现：

语义理解和定向输入生成：在定向测试输入生成任务中，ChatGPT等模型在43.40%至58.57% 的样本上成功触达目的分支，表现可和传统约束求解工具相媲美甚至更优。

作为辅助启发式：LLM可作为途径探索的启发式向导，在缺乏成熟符号执行工具的语言（如Python）中，用于执行途径推理。

边界：

编译失败和幻觉：LLM生成的测试代码存在较高的编译失败率。研究显示其生成的单元测试编译成功率仅约39%，这直接限制了其实际效用。模型可能错误定义函数签名，或生成无法编译的代码。

包括率短板和浅层包括：LLM生成的测试套件包括率有限，最好模型（GPT-4o）在真实标准上的平均包括率也仅为35.2%，主因是模型难以准确推理复杂代码途径的执行。其测试往往停留在浅层，缺乏对错误场景和边界条件的包括。

系统性途径枚举缺失：LLM本身不有系统地枚举程序途径的机制，直接以完整程序作为提示，会导致其遗漏许多“有趣”的途径。同时，它容易生成大量无意义、无检查的“空用例”，造成“高包括率幻觉”，即包括率数字虚高但缺陷检测能力极低。

符号执行的能力和边界

符号执行通过将输入符号化，系统性地探索程序途径并求解约束，能生成高包括率的测试用例。但短板是可扩展性和环境建模。

能力表现：

系统性途径探索：能够系统性地探索程序所有可执行途径，对于约束清晰的代码，能生成高准确性的测试用例，代码包括率显著高于黑盒测试。

深度途径包括：作用是能生成触达深度执行途径的测试用例，这是LLM难以独立完成的。

边界：

途径爆炸：这是符号执行最根本的扩展性短板。随着分支和循环的增加，需探索的途径数量呈指数级增长，导致分析超时或内存耗尽。

约束求解的局限：SMT求解器在处理复杂数据结构（如指针、动态数组）、浮点数运算或外部API调用时，可能返回“未知”（unknown）或无法求解，导致途径无法被具体化。Z3等求解器的实际分析规模存在约10K行代码的实用上限。

环境和库函数建模困难：符号执行难以精确建模库函数、系统调用及硬件相关行为（如编译期宏），这会导致某些代码分支永远无法被执行，形成包括盲区。为缺失语义生成幽灵代码或替代模型本身就是一个难题。

融合范式的能力边界：

LLM和符号执行的结合（如NexuSym, PALM, GORDIAN等工具）并不是简单的叠加，而是在互补中引入了新的权衡和约束。

融合带来的增益：

引导途径探索以缓解途径爆炸：利用LLM识别代码中的重点或脆弱区域，引导符号执行优先探索相关途径，从而在有限预算内提升漏洞发现效率。如，KLEECopilot使用LLM标记潜在易受攻击的代码来指导途径优先级。

绕过求解器短板：PALM等无求解器方法，通过将途径约束转化为嵌入断言的程序变体，让LLM直接生成能执行该变体的测试输入，从而避免将复杂约束翻译为SMT公式。

生成幽灵代码辅助求解：GORDIAN方法利用LLM生成辅助代码（ghost code），在求解器难以处理的程序片段中传播和调和约束，从而提升符号执行对复杂内部代码片段的分析能力。

融合后的新边界：

全局约束一致性丧失：绕过SMT求解器的LLM直接生成方法（如PALM），代价是牺牲了全局途径约束的一致性，在需要跨多个片段联合约束的深度途径上，可扩展性和有效性会受限。

集成和反馈的复杂性：怎样将LLM生成的测试用例规范化，使其能被符号执行引擎理解和利用，是一个工程挑战。NexuSym为此专门设计了测试用例缩减器和搜索空间摘要器，以弥合两种范式的鸿沟。

对LLM推理能力的依赖：融合系统的有效性高度依赖LLM的途径推理能力。一项实证研究发现，推理能力更强的模型并不总是表现更好，这表示该能力并不是简单随模型规模线性提升。

标准和考虑的缺失：当前领域缺乏完整的标准测试来公正考虑这些混合方法的有效性，同时系统的可解释性和资源效率也是公认的待解难题。

当前LLM+符号执行的能力边界是：能有效缓解符号执行的途径爆炸和部分约束求解难题，并提升LLM生成测试的深度和系统性；但尚未能根治符号执行的根本性扩展短板（如对复杂数据结构和外部环境建模），也未能使LLM完全摆脱对系统化途径推理的依赖。前沿是发展出更紧密的迭代反馈循环（如NexuSym）和神经-符号协同推理机制（如GORDIAN），而不是简单的管道式拼接。未来的突破点可能是自动化生成高质量的符号摘要、面向LLM的可证实中间表示，以及建立能同时测量包括率和缺陷检测有效性的综合考虑体系。