主要观点：

• 喜欢测试，尤其喜欢可复用测试向量库，测试向量有时手工制作，有时通过暴力枚举产生，随机测试向量很有效但需保存输入输出，介绍了“累积测试向量”技巧。
• 以 ML-KEM 为例说明随机测试向量的效果和规模，还可通过累积测试向量探索输入参数范围，也可类似“压缩”单个大向量。
• 累积向量的主要缺点是测试失败时无调试信息，但在常见场景中可被接受，维护工作由 Geomys 客户资助。

关键信息：

• 可复用测试向量库：CCTV、Wycheproof。
• ML-KEM 相关：new post-quantum algorithm ML-KEM、参考实现ref/test/test_vectors.c。
• 累积测试向量技巧：从确定性源抽取随机输入，累积输出到哈希函数，检查最终哈希。
• 维护资助客户：Interchain、Smallstep、Ava Labs、Teleport、SandboxAQ、Charm、Tailscale。

重要细节：

• 随机测试 300000 次有 99%机会击中 2⁻¹⁶ 边缘情况。
• Go 中不同模式运行累积测试向量的次数及时间。
• 累积测试向量可跨实现复用，如 ML-KEM 向量在CCTV。
• 具体的 10000 次随机 ML-KEM 测试代码示例。
• 不同的累积测试案例，如 cSHAKE128 测试。
• 对单个大向量“压缩”的示例及相关问题。
• 罗马 Tiber 岛图片及相关描述。
• 各客户对维护工作的评价。
• 关于边缘情况测试的相关注释及解释。