論文の概要: Automatically Generating Metamorphic Relations via Genetic Programming
- arxiv url: http://arxiv.org/abs/2312.15302v1
- Date: Sat, 23 Dec 2023 17:20:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 18:36:51.621886
- Title: Automatically Generating Metamorphic Relations via Genetic Programming
- Title(参考訳): 遺伝的プログラミングによる変成関係の自動生成
- Authors: Jon Ayerdi, Valerio Terragni, Gunel Jahangirova, Aitor Arrieta, Paolo
Tonella
- Abstract要約: GenMorphはJavaメソッドのメタモーフィックリレーション(MR)を自動的に生成するテクニックである。
進化的アルゴリズムを使って、有効なオーラクルを探索し、誤報を起こさず、テスト中のメソッドにソフトウェア欠陥を暴露する。
以上の結果から,GenMorphは23手法中18手法に対して有効MRを生成できる(突然変異スコアは20%)。
- 参考スコア(独自算出の注目度): 15.468177185307301
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Metamorphic testing is a popular approach that aims to alleviate the oracle
problem in software testing. At the core of this approach are Metamorphic
Relations (MRs), specifying properties that hold among multiple test inputs and
corresponding outputs. Deriving MRs is mostly a manual activity, since their
automated generation is a challenging and largely unexplored problem.
This paper presents GenMorph, a technique to automatically generate MRs for
Java methods that involve inputs and outputs that are boolean, numerical, or
ordered sequences. GenMorph uses an evolutionary algorithm to search for
effective test oracles, i.e., oracles that trigger no false alarms and expose
software faults in the method under test. The proposed search algorithm is
guided by two fitness functions that measure the number of false alarms and the
number of missed faults for the generated MRs.
Our results show that GenMorph generates effective MRs for 18 out of 23
methods (mutation score >20%). Furthermore, it can increase Randoop's fault
detection capability in 7 out of 23 methods, and Evosuite's in 14 out of 23
methods.
- Abstract(参考訳): メタモルフィックテストは、ソフトウェアテストにおけるオラクルの問題を軽減するための一般的なアプローチである。
このアプローチのコアとなるのは、複数のテスト入力と対応する出力の間に保持される特性を指定するメタモルフィックリレーショナル(MR)である。
MRの導出は、主に手動の作業であり、自動生成は困難であり、ほとんど探索されていない問題である。
本稿では,ブール,数値,順序列を含む入力と出力を含むJavaメソッドのMRを自動的に生成する手法であるGenMorphを提案する。
GenMorphは進化的アルゴリズムを用いて、有効なオーラクル、すなわち、誤ったアラームを起こさず、テスト中のメソッドにソフトウェア欠陥を露呈するオーラクルを探索する。
提案する探索アルゴリズムは, 誤報の回数と, 生成されたmrsの誤り数を測定する2つの適応関数によって導かれる。
さらに、23のメソッドのうち7つでRandoopの障害検出能力が向上し、23のメソッドのうち14つでEvosuiteの障害検出能力が向上する。
関連論文リスト
- MeTMaP: Metamorphic Testing for Detecting False Vector Matching Problems
in LLM Augmented Generation [15.382745718541063]
本稿では,LLM拡張生成システムにおいて,偽ベクトルマッチングを識別するフレームワークであるMeTMaPを提案する。
MeTMaPは意味論的に類似したテキストは一致すべきであり、異種テキストは一致すべきではないという考えに基づいている。
我々は,29の埋め込みモデルと7つの距離メトリクスを含む203個のベクトルマッチング構成に対するMeTMaPの評価を行った。
論文 参考訳(メタデータ) (2024-02-22T12:13:35Z) - GEC-DePenD: Non-Autoregressive Grammatical Error Correction with
Decoupled Permutation and Decoding [52.14832976759585]
文法的誤り訂正(GEC)は、通常自己回帰的なシーケンス・ツー・シーケンスモデルで解決される重要なNLPタスクである。
本稿では, アーキテクチャを置換ネットワークに分離する, GEC に対する非自己回帰的アプローチを提案する。
GECの既知の非自己回帰手法よりもネットワークが向上することを示す。
論文 参考訳(メタデータ) (2023-11-14T14:24:36Z) - Towards a Complete Metamorphic Testing Pipeline [56.75969180129005]
システムアンダーテスト(SUT)の連続実行における入出力ペア間の関係を調べてテストオラクル問題に対処するメタモルフィックテスト(MT)
これらの関係は、メタモルフィック関係 (MRs) と呼ばれ、特定の入力変化に起因する期待される出力変化を規定する。
本研究の目的は,MR の生成,制約の定義,MR 結果の説明可能性の提供を支援する手法とツールの開発である。
論文 参考訳(メタデータ) (2023-09-30T10:49:22Z) - ALGO: Synthesizing Algorithmic Programs with LLM-Generated Oracle
Verifiers [60.6418431624873]
大きな言語モデル(LLM)は、機能記述からコードを実装するのに優れているが、アルゴリズムの問題に悩まされている。
我々は,アルゴリズムプログラムを LLM 生成 Oracle で合成するフレームワーク ALGO を提案し,その生成をガイドし,その正確性を検証する。
実験の結果,ALGOを装着すると,Codexモデルよりも8倍,CodeTよりも2.6倍の1サブミッションパス率が得られることがわかった。
論文 参考訳(メタデータ) (2023-05-24T00:10:15Z) - MR-Scout: Automated Synthesis of Metamorphic Relations from Existing Test Cases [9.00297842984345]
オープンソースソフトウェアプロジェクトのテストケースからMRを自動的に合成するMR-Scoutを提案する。
符号化されたMRの97%以上は、自動テストケース生成に高品質である。
我々の質的研究は、コード化されたMRの55.76%から76.92%が開発者にとって容易に理解可能であることを示している。
論文 参考訳(メタデータ) (2023-04-15T12:53:32Z) - Unified Functional Hashing in Automatic Machine Learning [58.77232199682271]
高速に統一された関数型ハッシュを用いることで,大きな効率向上が得られることを示す。
私たちのハッシュは"機能的"であり、表現やコードが異なる場合でも同等の候補を識別します。
ニューラルアーキテクチャ検索やアルゴリズム発見など、複数のAutoMLドメインで劇的な改善がなされている。
論文 参考訳(メタデータ) (2023-02-10T18:50:37Z) - Momentum Decoding: Open-ended Text Generation As Graph Exploration [49.812280360794894]
自動回帰言語モデル(LM)を用いたオープンエンドテキスト生成は、自然言語処理における中核的なタスクの1つである。
我々は、新しい視点から、すなわち、有向グラフ内の探索プロセスとして、オープンエンドテキスト生成を定式化する。
本稿では,新しい復号法であるtextitmomentum decodingを提案する。
論文 参考訳(メタデータ) (2022-12-05T11:16:47Z) - NAPG: Non-Autoregressive Program Generation for Hybrid Tabular-Textual
Question Answering [52.10214317661547]
現在の数値推論法はプログラムシーケンスを自己回帰的にデコードする。
プログラム生成の精度は、デコードステップがエラー伝搬によって展開されるにつれて急激に低下する。
本稿では,非自己回帰型プログラム生成フレームワークを提案する。
論文 参考訳(メタデータ) (2022-11-07T11:25:21Z) - Improving Test Case Generation for REST APIs Through Hierarchical
Clustering [14.064310383770243]
過去10年間で、APIのシステムレベルのテストケース作成を自動化するツールとアプローチが提案されている。
進化アルゴリズム(EA)の制限要因の1つは、遺伝的演算子が完全にランダム化されていることである。
本稿では, AHC (Agglomerative Hierarchical Clustering) を用いてリンクツリーモデルを推論する手法を提案する。
論文 参考訳(メタデータ) (2021-09-14T12:57:49Z)
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。