論文の概要: MMT: Mutation Testing of Java Bytecode with Model Transformation -- An Illustrative Demonstration

• arxiv url: http://arxiv.org/abs/2404.14097v1
• Date: Mon, 22 Apr 2024 11:33:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-23 14:06:38.309211
• Title: MMT: Mutation Testing of Java Bytecode with Model Transformation -- An Illustrative Demonstration
• Title（参考訳）: MMT: モデル変換によるJavaバイトコードの変異テスト -- 図示的なデモ
• Authors: Christoph Bockisch, Gabriele Taentzer, Daniel Neufeld,
• Abstract要約: 突然変異テストは、テストスイートの堅牢性をチェックするアプローチである。 本稿では,Javaバイトコードの変異をモデル変換によって柔軟に定義できるモデル駆動型アプローチを提案する。 MMTと呼ばれるツールは、オブジェクト指向構造を変更するための高度な突然変異演算子によって拡張されている。
• 参考スコア（独自算出の注目度）: 0.11470070927586014
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mutation testing is an approach to check the robustness of test suites. The program code is slightly changed by mutations to inject errors. A test suite is robust enough if it finds such errors. Tools for mutation testing usually integrate sets of mutation operators such as, for example, swapping arithmetic operators; modern tools typically work with compiled code such as Java bytecode. In this case, the mutations must be defined in such a way that the mutated program still can be loaded and executed. The results of mutation tests depend directly on the possible mutations. More advanced mutations and even domain-specific mutations can pose another challenge to the test suite. Since extending the classical approaches to more complex mutations is not well supported and is difficult, we propose a model-driven approach where mutations of Java bytecode can be flexibly defined by model transformation. The corresponding tool called MMT has been extended with advanced mutation operators for modifying object-oriented structures, Java-specific properties and method calls of APIs, making it the only mutation testing tool for Java bytecode that supports such mutations.
• Abstract（参考訳）: ミューテーションテストは、テストスイートの堅牢性をチェックするアプローチである。 プログラムコードは、エラーを注入する突然変異によってわずかに変更される。 このようなエラーが見つかると、テストスイートは十分に堅牢になります。 突然変異テストツールは通常、算術演算子を交換するなど、突然変異演算子のセットを統合する。 この場合、突然変異は変更されたプログラムをロードして実行できるように定義されなければならない。 突然変異検査の結果は、起こりうる突然変異に直接依存する。 より高度な突然変異やドメイン固有の突然変異さえも、テストスイートに別の課題を引き起こす可能性がある。 従来のアプローチをより複雑な突然変異に拡張することは十分にサポートされておらず、困難であるため、モデル変換によってJavaバイトコードの突然変異を柔軟に定義できるモデル駆動アプローチを提案する。 MMTと呼ばれるツールは、オブジェクト指向構造、Java固有のプロパティ、APIのメソッド呼び出しを変更するための高度な突然変異演算子によって拡張され、このような突然変異をサポートするJavaバイトコードのための唯一の突然変異テストツールとなった。

関連論文リスト

• Algorithmic Capabilities of Random Transformers [49.73113518329544]
  埋め込み層のみを最適化したランダムトランスフォーマーによって、どのような関数が学習できるかを検討する。 これらのランダムなトランスフォーマーは、幅広い意味のあるアルゴリズムタスクを実行することができる。 以上の結果から,これらのモデルが訓練される前にも,アルゴリズム能力がトランスフォーマに存在することが示唆された。
  論文  参考訳（メタデータ） (2024-10-06T06:04:23Z)
• Fuzzing MLIR Compilers with Custom Mutation Synthesis [6.617861009996863]
  我々は、文法に基づくファジィとカスタム合成突然変異を組み合わせたSynTHFUZZと呼ばれる新しいテストジェネレータを開発した。 各方言のカスタム突然変異演算子を手動で定義する必要がなくなる。 評価の結果,SynTHFUZはMLIRの方言対のカバレッジを1.75倍に改善し,ブランチのカバレッジを1.22倍に向上させることがわかった。
  論文  参考訳（メタデータ） (2024-04-25T18:00:37Z)
• LLMorpheus: Mutation Testing using Large Language Models [7.312170216336085]
  本稿では,ソースコードに挿入されたプレースホルダーを置き換えることで,LLM(Large Language Model)に変異を提案する手法を提案する。 LLMorpheusは、最先端の突然変異検査ツールであるStrykerJSでは生成できない既存のバグに似た変異を生成できる。
  論文  参考訳（メタデータ） (2024-04-15T17:25:14Z)
• An Empirical Evaluation of Manually Created Equivalent Mutants [54.02049952279685]
  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。
  論文  参考訳（メタデータ） (2024-04-14T13:04:10Z)
• Enhancing Genetic Improvement Mutations Using Large Language Models [47.62003403631452]
  大規模言語モデル(LLM)は、プログラム修復を含むソフトウェア工学のタスクにうまく適用されている。 遺伝子改良(GI)のための突然変異演算子としてLLMを用いた検索プロセスの改善について検討した。 単体テストに合格するパッチの数は、標準のInsert編集よりもLLMベースの編集の方が75%高いことがわかった。
  論文  参考訳（メタデータ） (2023-10-18T10:24:14Z)
• 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)
• Learning Transformer Programs [78.9509560355733]
  設計によって機械的に解釈可能なトランスフォーマーの訓練手順を導入する。 人書きプログラムをTransformerにコンパイルする代わりに、勾配に基づく最適化を用いてトレーニングできる改良されたTransformerを設計する。 Transformer Programsは適切なソリューションを自動的に見つけ、同等のサイズの標準のTransformerと同等に動作する。
  論文  参考訳（メタデータ） (2023-06-01T20:27:01Z)
• Mutation Testing of Deep Reinforcement Learning Based on Real Faults [11.584571002297217]
  本稿では,MT(Reinforcement Learning, 強化学習)システムに拡張するために,既存のMT(Mutation Testing)アプローチに基づいて構築する。 本研究は, 突然変異致死定義の設計選択が, 生成したテストケースだけでなく, 変異が致死するか否かにも影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2023-01-13T16:45:56Z)
• Equivariant Disentangled Transformation for Domain Generalization under Combination Shift [91.38796390449504]
  ドメインとラベルの組み合わせは、トレーニング中に観察されるのではなく、テスト環境に現れる。 我々は、同型の概念、同値性、および整合性の定義に基づく結合シフト問題の一意的な定式化を提供する。
  論文  参考訳（メタデータ） (2022-08-03T12:31:31Z)
• 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)
• Glushkov's construction for functional subsequential transducers [91.3755431537592]
  グルシコフの構成は多くの興味深い性質を持ち、トランスデューサに適用するとさらに明らかになる。 正規表現の特別な風味を導入し、効率よく$epsilon$-free 機能的次数重み付き有限状態トランスデューサに変換することができる。
  論文  参考訳（メタデータ） (2020-08-05T17:09:58Z)

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。