故障定位是找到故障根因的关键技术手段。在众多故障定位方法中，基于频谱的故障定位方法由于其高效性广受学术界和工业界的应用和研究。现有的基于频谱的故障定位方法需要为每个代码实体进行插桩，从而得到程序运行时的代码覆盖信息。然而，这种插桩的方式难以应对大规模工业软件，因为其会产生巨大的数据运行开销和数据量。在程序的绝大部分代码没有错误情况下，全插桩是低效的。

为了解决该问题，必赢国际电子游戏网站计算机系左志强老师和智软院老师钮鑫涛深入合作并共同探索利用部分插桩替代全插桩的可行性，其对于基于频谱的故障定位研究领域而言具有重要现实意义。具体而言，提出了基于抽象精化的统计调试方法，其运用抽象可疑度对所要收集和分析的具体可疑度的过程进行自动筛选，从而只需要插桩和分析程序中的一部分元素。对于该方法，严格证明了该方法的筛选的安全性，即分析结果不会有精度上的损失。最后，在离线统计调试和在线统计调试两者不同的应用场景下，给出了所提方法和传统基于频谱方法的对比实验。试验结果进一步验证了其在显著提高了统计调试方法的效率的同时不会损害统计调试方法的检测能力。

该论文《Toward More Efficient Statistical Debugging with Abstraction Refinement》已于今年发表在ACM Transactions on Software Engineering and Methodology,(TOSEM)上。