Meta 将 LLM 生成测试系统 JiTTests 投入生产,提前拦截隐私风险代码
Meet Meta’s JiTTests: LLM-Generated Tests Designed to Fail Before Risky Code Lands
Meta 用 LLM 给高风险代码 diff 自动写「注定会失败」的测试,让隐私 bug 在合码前就暴露。半年拦下 74 起隐私事故,真阳性率 60%,比传统静态扫描更早介入 CI。做内部代码审查或隐私合规工具的工程团队可以直接借鉴这套思路。
Meta 宣布把 Catching JiTTests 系统推向生产环境,这套系统用 LLM 自动编写针对风险代码变更的测试,设计目标是让高危 diff 在合并前就出现测试失败。2026 年上半年,该系统共拦截了 74 起 privacy SEV(隐私安全事件),工程师确认的真阳性率达到 60%。
其核心机制是「以失败为导向」的测试生成:模型分析提交的代码 diff,判断哪些改动涉及隐私风险,再写出一段预期会在现有测试框架中失败的测试用例,把问题暴露在合码之前,而不是靠事后扫描发现。
对工程团队而言,60% 的真阳性率意味着告警仍需人工确认,但相比传统的静态隐私扫描器,这套方案直接在 CI 流程中用可执行测试验证风险,Meta 也把这套系统的代码和案例放在了 engineering blog 上,自建内部 AI 代码审查流程的团队可以参考其思路。
Meet Meta’s JiTTests: LLM-Generated Tests Designed to Fail Before Risky Code Lands
Meta has moved Catching JiTTests into production. The LLM system writes tests designed to fail on risky diffs, and caught 74 privacy SEVs before landing in H1 2026, with a 60% engineer-reported true-positive rate. The post Meet Meta’s JiTTests: LLM-Generated Tests Designed to Fail Before Risky Code Lands appeared first on MarkTechPost .
本条情报归属 AITOP「产品」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:Meta、LLM、代码测试、AI安全,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始信息发布自一手权威信源「marktechpost」(Tier-1 一手发布),具备高确定性参考价值。