تسعى تقنيات التنفيذ الرمزي (Symbolic Execution) إلى استكشاف المسارات الممكنة للبرامج، لكنها قد تواجه تحديات عندما تستنفد الموارد خلال التشغيل العملي، مما يترك سلوكيات برمجية كثيرة غير مُكتشفة. وفي سياق جهود تجاوز هذه القيود، تم تقديم نظام Agolic، والذي يمثل تطوراً في فكر التخطيط الذكي.

يعتمد Agolic على تحليل الأدلة من عمليات التشغيل السابقة لاختيار وتكوين عمليات التنفيذ الرمزي المحدودة (Bounded Symbolic Execution - BSE) اللاحقة، مما يسمح لأداة التنفيذ الرمزي بتطبيق هذه التخطيطات بنجاح.

لقد تم تحوير الذكاء التخطيطي، والأدلة المتاحة، وأنماط التنفيذ لتتناسب مع أداة التنفيذ الرمزي وهدف التحليل. تم تقييم Adaptation واحد لهدف استكشاف تغطية الفروع (Branch Coverage) حيث يقوم وكيل يعتمد على نماذج اللغة الكبيرة (Large Language Models - LLM) بفرض استنتاجاته على شيفرة المصدر، وتغطية التجارب السابقة، ومحاولات الاستهداف السابقة.

عند تقييم Agolic على عدة برامج مكتوبة بلغة C وC++، أظهر نتائج مثيرة. حيث حقق في كل برنامج زيادة في تغطية الفروع المكتسبة بواسطة تنفيذ رمزي مستمر، ليغطي أكثر من ثلاثة أضعاف عدد الفروع في المتوسط. كما تغلب على النتائج الفردية من الفحص القائم على التغطية (Coverage-Guided Fuzzing) وعمليات التنفيذ التوافقية المستندة إلى المجمعات (Concolic Execution) التي تم تقييمها، ليصل إلى فروع لم تكن موجودة في جميع مجموعات المقارنة مجتمعة في ستة من سبعة برامج.

تشير هذه النتائج مجتمعة إلى إمكانات كبيرة غير مُستغلة في أدوات التنفيذ الرمزي الموجودة، والتي يمكن أن تتحقق جزئياً من خلال التفكير في كيفية استخدام قدراتها عبر عمليات التشغيل، مع ترك اختيار الحالة خلال الاستكشاف الرمزي العادي لأداة التنفيذ الأساسية.