論文の概要: An Empirical Evaluation of Manually Created Equivalent Mutants

• arxiv url: http://arxiv.org/abs/2404.09241v1
• Date: Sun, 14 Apr 2024 13:04:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-16 14:58:08.899401
• Title: An Empirical Evaluation of Manually Created Equivalent Mutants
• Title（参考訳）: 手作り等価変異体の実証評価
• Authors: Philipp Straubinger, Alexander Degenhart, Gordon Fraser,
• Abstract要約: 手動で作成した突然変異体の10%未満は等価である。 驚くべきことに、我々の発見は、開発者の大部分が同等のミュータントを正確に識別するのに苦労していることを示している。
• 参考スコア（独自算出の注目度）: 54.02049952279685
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Mutation testing consists of evaluating how effective test suites are at detecting artificially seeded defects in the source code, and guiding the improvement of the test suites. Although mutation testing tools are increasingly adopted in practice, equivalent mutants, i.e., mutants that differ only in syntax but not semantics, hamper this process. While prior research investigated how frequently equivalent mutants are produced by mutation testing tools and how effective existing methods of detecting these equivalent mutants are, it remains unclear to what degree humans also create equivalent mutants, and how well they perform at identifying these. We therefore study these questions in the context of Code Defenders, a mutation testing game, in which players competitively produce mutants and tests. Using manual inspection as well as automated identification methods we establish that less than 10 % of manually created mutants are equivalent. Surprisingly, our findings indicate that a significant portion of developers struggle to accurately identify equivalent mutants, emphasizing the need for improved detection mechanisms and developer training in mutation testing.
• Abstract（参考訳）: 突然変異テストは、ソースコード中の人工的にシードされた欠陥を検出するのにテストスイートがいかに効果的かを評価し、テストスイートの改善を導くことで構成される。 突然変異検査ツールは実際はますます採用されているが、等価な突然変異体、すなわち構文だけが異なるが意味論ではない変異体は、このプロセスを妨げている。 以前の研究では、突然変異検査ツールによって同等の変異がどれだけ頻繁に生産されるか、これらの等価変異体を検出する既存の方法がどれほど有効かが研究されていたが、人間が同等の変異体をどの程度生成するか、そしてそれらの同定にどの程度の効果があるかは、まだ不明である。 そこで我々は,これらの質問を,突然変異テストゲームであるCode Defendersの文脈で研究する。 手動検査と自動識別手法を用いることで、手動で作成したミュータントのうち10%未満が等価であることが確かめられる。 驚くべきことに、我々の研究結果は、開発者が同等の変異体を正確に識別するのに苦労していることを示し、検出機構の改善と突然変異検査の開発者トレーニングの必要性を強調している。

関連論文リスト

• Leveraging Propagated Infection to Crossfire Mutants [4.229296050697151]
  テストが不十分な場合、各ミュータントはテストスイートを改善する機会を提供する。 多くの生き残った変異体は、単に追加のアサーションで既存のテストを増強することで検出できる。 我々は、複数の変異体を偶然に殺傷するクロスファイリングの機会を特定する以前の研究に基づいています。
  論文  参考訳（メタデータ） (2024-11-14T23:31:26Z)
• Learning to Predict Mutation Effects of Protein-Protein Interactions by Microenvironment-aware Hierarchical Prompt Learning [78.38442423223832]
  我々は、新しいコードブック事前学習タスク、すなわちマスク付きマイクロ環境モデリングを開発する。 突然変異効果予測において、最先端の事前学習法よりも優れた性能と訓練効率を示す。
  論文  参考訳（メタデータ） (2024-05-16T03:53:21Z)
• Cal-DETR: Calibrated Detection Transformer [67.75361289429013]
  本稿では,Deformable-DETR,UP-DETR,DINOのキャリブレーション検出トランス(Cal-DETR)のメカニズムを提案する。 我々は、不確実性を利用してクラスロジットを変調する不確実性誘導ロジット変調機構を開発する。 その結果、Cal-DETRは、ドメイン内およびドメイン外の両方を校正する競合する列車時間法に対して有効であることがわかった。
  論文  参考訳（メタデータ） (2023-11-06T22:13:10Z)
• Binary Quantification and Dataset Shift: An Experimental Investigation [54.14283123210872]
  量子化は教師付き学習タスクであり、未学習データの集合のクラス有病率の予測器を訓練する。 定量化と他のタイプのデータセットシフトの関係は、いまだ大きく、未調査のままである。 本稿では,これらのシフトに影響を受けるデータセットの生成プロトコルを確立することにより,データセットシフトの種類を詳細に分類する手法を提案する。
  論文  参考訳（メタデータ） (2023-10-06T20:11:27Z)
• Contextual Predictive Mutation Testing [17.832774161583036]
  MutationBERTは、ソースメソッドの突然変異とテストメソッドを同時にエンコードする予測突然変異テストのアプローチである。 精度が高いため、MutationBERTは、ライブミュータントをチェック・検証する以前のアプローチで費やされた時間の33%を節約する。 我々は、入力表現と、テストマトリックスレベルからテストスイートレベルまで予測を引き上げるためのアグリゲーションアプローチを検証し、同様の性能改善を見出した。
  論文  参考訳（メタデータ） (2023-09-05T17:00:15Z)
• MuRS: Mutant Ranking and Suppression using Identifier Templates [4.9205581820379765]
  Googleの突然変異テストサービスは、差分ベースの突然変異テストをコードレビュープロセスに統合する。 Googleの突然変異テストサービスは、役に立たないミュータントをターゲットにした、いくつかの抑制ルールを実装している。 テスト中のソースコードのパターンによってミュータントをグループ化する自動手法である MuRS を提案し,評価する。
  論文  参考訳（メタデータ） (2023-06-15T13:43:52Z)
• Robust Calibration with Multi-domain Temperature Scaling [86.07299013396059]
  我々は,複数の領域からのデータを活用することで,分散シフトを処理するシステムキャリブレーションモデルを開発した。 提案手法は,分布シフト時のキャリブレーションを改善するために,領域内のロバスト性を利用する。
  論文  参考訳（メタデータ） (2022-06-06T17:32:12Z)
• MutFormer: A context-dependent transformer-based model to predict pathogenic missense mutations [5.153619184788929]
  ミスセンス突然変異は、ヒトの遺伝疾患の原因となる既知の変異の約半分を占める。 ディープラーニングの最近の進歩は、トランスフォーマーモデルが特にシーケンスのモデリングに強力であることを示している。 病原性ミスセンス変異の予測のためのトランスフォーマーモデルであるMutFormerを紹介する。
  論文  参考訳（メタデータ） (2021-10-27T20:17:35Z)
• Robustness Verification for Transformers [165.25112192811764]
  我々はトランスフォーマーのための最初のロバスト性検証アルゴリズムを開発した。 提案手法で計算したロバスト性境界は, 素粒子間境界伝播法で計算したロバスト性境界よりもかなり厳密である。 これらの境界はまた、感情分析における異なる単語の重要性を常に反映しているトランスフォーマーの解釈にも光を当てている。
  論文  参考訳（メタデータ） (2020-02-16T17:16:31Z)
• DeepMutation: A Neural Mutation Tool [26.482720255691646]
  DeepMutationは、ディープラーニングモデルを完全に自動化されたツールチェーンにラップするツールです。 実際の断層から学んだ変異体を生成し、注入し、テストすることができる。
  論文  参考訳（メタデータ） (2020-02-12T01:57:41Z)

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。