LLM能否测试终端用户界面？

论文调研了197个真实TUI应用，发现仅12%的测试代码涉及界面，其中45%从不发送输入。作者将ratatui/Rust、bubbletea/Go、textual/Python、ink/TypeScript应用打包成无头基准，对比4个前沿LLM与随机探索。在相同时间预算下，随机探索是强基线，但每次交互LLM引导更高效，且能独特到达需要输入触发的故障。自动派生启动输入带来最大实际收益，使原本无法启动的应用得以运行。行覆盖率无法有效预测崩溃发现，说明它不宜作为测试有效性的代理指标。