一句话：通过实证研究评估现有输入文法挖掘方法所挖掘文法的准确性，揭示其在测试输入生成中的实际效果。
为生成有效的测试输入，系统输入语言的规范不可或缺，通常表现为描述输入语法的上下文无关文法。近年来，输入文法挖掘领域兴起，研究者提出从输入、代码或两者结合中提取输入文法的多种方法。然而，这些方法究竟效果如何，尤其是所挖掘文法的准确性如何，仍缺乏系统认识。本文对此开展实证研究，旨在评估现有输入文法挖掘器所生成文法的准确性。摘要未报告具体实验设置与量化结果，但明确以准确性为核心评估问题，并覆盖从输入、代码或混合来源挖掘文法的不同思路。该研究为理解输入文法挖掘技术的实际能力与局限提供了实证基础。
To generate valid test inputs for a system, one needs a specification of its input language—typically a context-free grammar that describes input syntax. But where can one get such a grammar from? In the past years, the field of input grammar mining has emerged, with creative approaches to extract input grammars from inputs, code, or both. But how good are these approaches? In particular; How accurate are the grammars they mine?