Metamorphic Testing 蜕变测试是什么？没有标准答案也能测程序

Metamorphic Testing：没有标准答案时，怎么判断程序错了

很多程序很难为每个输入写出标准答案。图像处理、推荐排序、科学计算、复杂查询和 AI 应用都可能遇到这种情况。Metamorphic Testing，蜕变测试，提供了一个办法：不强求知道每次输出的精确值，而是检查输入发生某种变化后，输出是否遵守应有的关系。

假设我们测试一个统计函数，但没有现成数据集告诉我们每个输入的准确结果。我们仍然知道：把所有金额同时乘以 2，平均值也应该乘以 2；把数据顺序打乱，统计结果不应该改变；给集合添加一个重复元素，去重后的结果应该保持一致。

这些“输入变换与输出关系”就是蜕变关系。第一次测试产生一个结果，第二次使用经过变换的输入，再比较两个结果之间是否满足关系。即使没有人工计算出的答案，也能发现程序在某些情况下表现不一致。

AI 很擅长生成函数和示例，却不一定能为复杂输出写出可靠的唯一答案。蜕变测试可以把领域常识转成检查规则，用于验证 AI 生成的排序器、转换器、数据处理脚本和算法实现。

它也能测试模型本身的稳定性。例如对同一份输入改变无关格式，系统是否改变核心结论；对同一张图片调整尺寸，分类结果是否出现不合理跳变。这里检查的不是“答案是否唯一”，而是系统对某些变化是否保持合理的不变性。

不是所有输入变化都应该保持输出不变。给推荐系统增加用户偏好，结果当然可能改变；把图片旋转 180 度，对某些识别任务也可能影响答案。因此，蜕变关系需要领域知识，不能让 AI 随意猜一条规则就当作测试依据。

当你发现“很难写出标准答案，但知道什么变化不该改变结果”时，就可以考虑蜕变测试。让 AI 先列出候选输入变换，再逐条检查这些变换是否符合业务常识，最后把认可的关系写成自动化测试。

NIST 对蜕变测试及其在安全测试中的作用有一篇清晰介绍，可参考官方论文页面。