回歸測試（regression testing）

你花了一週調校程式，終於在一個困難的問題上得到正確答案，然後就繼續往前。兩個月後，你「改良」了程式中一個不相干的部分——卻在沒注意到的情況下，又把那個困難的問題弄壞了。回歸測試正是抓住這種情況的安全網：一組自動化測試，在每次改動後重跑，以確認程式仍產生它以前產生的結果，好讓一個「回歸」（以前能動、現在不能動的東西）被立即抓到，而不是在很久之後才痛苦地被發現。

在機制上，一個回歸測試把一個已知良好的輸出釘住，並拿現行的程式去對照它。你在一個固定的輸入上執行程式，存下你信任的那個答案（有時稱為黃金母版或基準），測試就重跑那個輸入並作比較。對數值程式有個關鍵的微妙之處：你幾乎從不測試浮點數的「精確」相等，因為捨入誤差、不同的 BLAS，或一個被重新排序的求和，都可能合法地改變最後幾位數字。你改為斷言新結果落在離基準一個聲明的容差之內——例如，相對誤差低於 1e-10。測試通常接進持續整合（CI），這樣每次提交都自動觸發整套測試，而失敗會在改動被合併之前被標示出來。這與單元測試（檢查一個小函數對照已知答案）以及驗證（檢查正確性對照真實數學）不同：回歸測試防範的是「改變」，確保今天的程式碼與昨天受信任的程式碼一致。

回歸測試是可信任數值軟體的安靜支柱之一，它與可重現性及標竿天然成對：一個被凍結的標竿答案，正是理想的回歸基準。誠實的告誡都圍繞著容差。設得太緊，整套測試就會對每個無害的浮點抖動發出狼來了的警報，訓練團隊去忽略失敗；設得太鬆，一個真正讓精度劣化的臭蟲就會悄悄溜過去。選擇容差是一種判斷，應反映問題實際的精度需求。還有個微妙的陷阱：回歸測試只認證答案沒有「改變」——若你的基準一開始就是錯的，整套測試就會忠誠地永遠保護那個錯誤答案。回歸測試保存行為；它不確立正確性，那是驗證的工作。