团队的研究旨在突破现有深度学习基础软件库测试方法的不足，提出针对深度学习基础软件库的多样化测试用例生成方法和针对深度学习模型训练过程的差分测试方法，从而实现深度学习基础软件库更全面的测试。具体而言，研究团队所提出的测试方法包含模型生成和不一致性检测两个部分。在模型生成部分，方法使用有向无环图(DAG)来表示模型的结构信息，并通过启发式的生成策略来产生多样化的测试用例；在不一致性检测部分，方法针对模型训练中的三个具体的计算过程（前向计算、损失值计算和反向计算），通过动态数据流追踪的方法 分别采集模型训练过程中的中间计算结果，然后比较不同软件库在模型训练过程中计算结果后出现的不一致来对训练阶段的库代码完成差分测试。