論文の概要: Detecting Semantic Conflicts with Unit Tests
- arxiv url: http://arxiv.org/abs/2310.02395v1
- Date: Tue, 3 Oct 2023 19:36:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 04:58:18.852070
- Title: Detecting Semantic Conflicts with Unit Tests
- Title(参考訳): ユニットテストとのセマンティックコンフリクトの検出
- Authors: L\'euson Da Silva, Paulo Borba, Toni Maciel, Wardah Mahmood, Thorsten
Berger, Jo\~ao Moisakis, Aldiberg Gomes, Vin\'icius Leite
- Abstract要約: ブランチとマージはソフトウェア開発における一般的なプラクティスであり、開発者の生産性を高める。
現代のマージ技術は、テキストの衝突を自動的に解決するが、意味レベルでの衝突が発生すると失敗する。
単体テストの自動生成に基づくセマンティックマージツールであるSemAntic Mergeを提案する。
- 参考スコア(独自算出の注目度): 5.273883263686449
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Branching and merging are common practices in collaborative software
development, increasing developer's productivity. Despite such benefits,
developers need to merge software and resolve merge conflicts. While modern
merge techniques can resolve textual conflicts automatically, they fail when
the conflict arises at the semantic level. Although semantic merge tools have
been proposed, they are usually based on heavyweight static analyses or need
explicit specifications of program behavior. In this work, we take a different
route and propose SAM (SemAntic Merge), a semantic merge tool based on the
automated generation of unit tests that are used as partial specifications. To
evaluate SAM's feasibility for detecting conflicts, we perform an empirical
study analyzing more than 80 pairs of changes integrated into common class
elements from 51 merge scenarios. Furthermore, we also assess how the four
unit-test generation tools used by SAM contribute to conflict identification.
We propose and assess the adoption of Testability Transformations and
Serialization. Our results show that SAM best performs when combining only the
tests generated by Differential EvoSuite and EvoSuite and using the proposed
Testability Transformations (nine detected conflicts out of 28). These results
reinforce previous findings about the potential of using test-case generation
to detect test conflicts.
- Abstract(参考訳): ブランチとマージは協調ソフトウェア開発における一般的なプラクティスであり、開発者の生産性を高めます。
このようなメリットがあるにも関わらず、開発者はソフトウェアをマージし、マージ競合を解決する必要がある。
現代のマージ技術はテキストの衝突を自動的に解決するが、意味レベルでの衝突が発生すると失敗する。
セマンティックマージツールは提案されているが、通常は重み付け静的解析に基づいており、プログラム動作の明確な仕様を必要とする。
そこで本研究では,部分的な仕様として使用されるユニットテストの自動生成に基づく意味的マージツールであるsam(semantic merge)を提案する。
コンフリクトを検出するSAMの有効性を評価するために,51のメルジシナリオから80組以上の変更を共通クラス要素に統合する実験を行った。
さらに、SAMが使用する4つのユニットテスト生成ツールがコンフリクト識別にどのように貢献するかを評価する。
テスト可能性変換とシリアライゼーションの導入を提案し,評価する。
その結果、SAMは、差分EvoSuiteとEvoSuiteで生成されたテストのみを組み合わせて、提案したTestability Transformations(28件中9件のコンフリクトを検出した)を使用することで、最高の性能を示した。
これらの結果は,テストケース生成によるテストコンフリクトの検出の可能性に関する過去の知見を裏付けるものである。
関連論文リスト
- Observation-based unit test generation at Meta [52.4716552057909]
TestGenは、アプリケーション実行中に観察された複雑なオブジェクトのシリアライズされた観察から作られたユニットテストを自動的に生成する。
TestGenは518のテストを本番環境に投入し、継続的統合で9,617,349回実行され、5,702の障害が見つかった。
評価の結果,信頼性の高い4,361のエンドツーエンドテストから,少なくとも86%のクラスでテストを生成することができた。
論文 参考訳(メタデータ) (2024-02-09T00:34:39Z) - Code-Aware Prompting: A study of Coverage Guided Test Generation in
Regression Setting using LLM [34.07127332725332]
テスト生成における大規模言語モデルのコード認識促進戦略であるSymPromptを提案する。
我々のアプローチは、事前訓練されたLLMが、追加の訓練をすることなく、より完全なテストケースを生成することを可能にする。
論文 参考訳(メタデータ) (2024-01-31T18:21:49Z) - Detecting Semantic Conflicts using Static Analysis [1.201626478128059]
本稿では,2人の開発者によるコントリビューションをマージする際に,静的解析を用いて干渉を検出する手法を提案する。
統合シナリオから抽出した99個の実験単位のデータセットを用いて,本手法の評価を行った。
論文 参考訳(メタデータ) (2023-10-06T14:13:16Z) - Test Case Recommendations with Distributed Representation of Code
Syntactic Features [2.225268436173329]
本稿では,ソースコード手法とテストケースの構造的・意味的特性を利用する自動手法を提案する。
提案するアプローチは、当初、メソッドレベルのソースコードとユニットテストを分散表現に変換するためにニューラルネットワークをトレーニングする。
このモデルは、メソッドの埋め込みと以前に組み込まれたトレーニングインスタンスのコサイン類似性を計算します。
論文 参考訳(メタデータ) (2023-10-04T21:42:01Z) - Revisiting and Improving Retrieval-Augmented Deep Assertion Generation [13.373681113601982]
単体テストはソフトウェア開発プロセスにおいて重要な活動となっている。
Yuらは単体テストのためのアサーションを生成する統合的なアプローチ(略して積分)を提案した。
有望であるにもかかわらず、なぜ統合が機能するのか、それとも機能しないのかについては、いまだに知識のギャップがあります。
論文 参考訳(メタデータ) (2023-09-19T02:39:02Z) - Towards Automatic Generation of Amplified Regression Test Oracles [44.45138073080198]
回帰テストオラクルを増幅するためのテストオラクル導出手法を提案する。
このアプローチはテスト実行中にオブジェクトの状態を監視し、以前のバージョンと比較して、SUTの意図した振る舞いに関連する変更を検出する。
論文 参考訳(メタデータ) (2023-07-28T12:38:44Z) - Validation of massively-parallel adaptive testing using dynamic control
matching [0.0]
現代のビジネスはしばしば同時に多数のA/B/nテストを実行し、多くのコンテンツバリエーションを同じメッセージにパッケージ化する。
本稿では, 連続試験適応条件下での各種試験の因果効果を解消する手法を提案する。
論文 参考訳(メタデータ) (2023-05-02T11:28:12Z) - Exposing and Addressing Cross-Task Inconsistency in Unified
Vision-Language Models [80.23791222509644]
一貫性のないAIモデルは、人間のユーザーによって不安定で信頼できないと見なされている。
最先端のビジョン言語モデルは、タスク間の驚くほど高い一貫性のない振る舞いに悩まされている。
本稿では,大規模で自動生成されるクロスタスクコントラスト集合上で計算されたランク相関に基づく補助訓練目標を提案する。
論文 参考訳(メタデータ) (2023-03-28T16:57:12Z) - Semantic-Aligned Matching for Enhanced DETR Convergence and Multi-Scale
Feature Fusion [95.7732308775325]
提案したDetection TRansformer (DETR) は、オブジェクト検出のための完全なエンドツーエンドパラダイムを確立している。
DETRは遅いトレーニング収束に悩まされており、様々な検出タスクの適用性を妨げている。
我々は,DETRの収束を加速し,検出性能を向上させるためにセマンティック・アラインド・マッチDreTR++を設計する。
論文 参考訳(メタデータ) (2022-07-28T15:34:29Z) - Reliable Shot Identification for Complex Event Detection via
Visual-Semantic Embedding [72.9370352430965]
本稿では,映像中の事象検出のための視覚的意味的誘導損失法を提案する。
カリキュラム学習に動機付け,高い信頼性の事例で分類器の訓練を開始するために,負の弾性正規化項を導入する。
提案する非ネット正規化問題の解法として,代替最適化アルゴリズムを開発した。
論文 参考訳(メタデータ) (2021-10-12T11:46:56Z) - Auditing AI models for Verified Deployment under Semantic Specifications [65.12401653917838]
AuditAIは、解釈可能な形式検証とスケーラビリティのギャップを埋める。
AuditAIは、画素空間の摂動のみを用いた検証の限界に対処しながら、検証と認定トレーニングのための制御されたバリエーションを得られるかを示す。
論文 参考訳(メタデータ) (2021-09-25T22:53:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。