論文の概要: CUBETESTERAI: Automated JUnit Test Generation using the LLaMA Model
- arxiv url: http://arxiv.org/abs/2504.15286v1
- Date: Thu, 13 Mar 2025 19:44:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-22 23:32:14.366819
- Title: CUBETESTERAI: Automated JUnit Test Generation using the LLaMA Model
- Title(参考訳): CUBETESTERAI:LLaMAモデルを用いたJUnitテストの自動生成
- Authors: Daniele Gorla, Shivam Kumar, Pietro Nicolaus Roselli Lorenzini, Alireza Alipourfaz,
- Abstract要約: 本稿では,Spring Bootフレームワークを使用したJavaアプリケーションのJUnitテスト生成を自動化するアプローチを提案する。
CUBETESTERAIと呼ばれるツールには、ユーザフレンドリーなWebインターフェースと、GitLabとDockerを使用したCI/CDパイプラインの統合が含まれている。
- 参考スコア(独自算出の注目度): 0.5999777817331317
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents an approach to automating JUnit test generation for Java applications using the Spring Boot framework, leveraging the LLaMA (Large Language Model Architecture) model to enhance the efficiency and accuracy of the testing process. The resulting tool, called CUBETESTERAI, includes a user-friendly web interface and the integration of a CI/CD pipeline using GitLab and Docker. These components streamline the automated test generation process, allowing developers to generate JUnit tests directly from their code snippets with minimal manual intervention. The final implementation executes the LLaMA models through RunPod, an online GPU service, which also enhances the privacy of our tool. Using the advanced natural language processing capabilities of the LLaMA model, CUBETESTERAI is able to generate test cases that provide high code coverage and accurate validation of software functionalities in Java-based Spring Boot applications. Furthermore, it efficiently manages resource-intensive operations and refines the generated tests to address common issues like missing imports and handling of private methods. By comparing CUBETESTERAI with some state-of-the-art tools, we show that our proposal consistently demonstrates competitive and, in many cases, better performance in terms of code coverage in different real-life Java programs.
- Abstract(参考訳): 本稿では、LLaMA(Large Language Model Architecture)モデルを利用して、Spring Bootフレームワークを使用したJavaアプリケーションのJUnitテスト生成を自動化する手法を提案する。
CUBETESTERAIと呼ばれるツールには、ユーザフレンドリーなWebインターフェースと、GitLabとDockerを使用したCI/CDパイプラインの統合が含まれている。
これらのコンポーネントは自動テスト生成プロセスを合理化し、開発者は最小限の手作業でコードスニペットから直接JUnitテストを生成することができる。
最後の実装では、オンラインGPUサービスであるRunPodを通じてLLaMAモデルを実行します。
LLaMAモデルの高度な自然言語処理機能を利用することで、CUBETESTERAIは、JavaベースのSpring Bootアプリケーションで、高いコードカバレッジとソフトウェアの機能の正確な検証を提供するテストケースを生成することができる。
さらに、リソース集約的な操作を効率的に管理し、生成したテストを洗練して、インポートの欠如やプライベートメソッドの処理といった一般的な問題に対処する。
CUBETESTERAIと最先端のツールを比較することで、我々の提案は一貫して競争力を示し、多くの場合、異なる実生活のJavaプログラムにおけるコードカバレッジの観点から、より良いパフォーマンスを示します。
関連論文リスト
- Hallucination to Consensus: Multi-Agent LLMs for End-to-End Test Generation with Accurate Oracles [2.908307411619051]
ユニットテストは、ソフトウェアの正しさを保証する上で重要な役割を担います。
従来の手法は、テストを生成するために検索ベースまたはランダム化アルゴリズムに依存していた。
我々は、JUnitテストの自動生成のための新しいエンドツーエンドのプロンプトベースのフレームワークであるCANDORを提案する。
論文 参考訳(メタデータ) (2025-06-03T14:43:05Z) - SwingArena: Competitive Programming Arena for Long-context GitHub Issue Solving [90.32201622392137]
We present SwingArena, a competitive evaluation framework for Large Language Models (LLMs)。
従来の静的ベンチマークとは異なり、SwingArenaはLLMをイテレーションとして組み合わせて、テストケースを作成し、継続的インテグレーション(CI)パイプラインを通じてパッチを検証するパッチとレビュアーを生成することで、ソフトウェアのコラボレーションプロセスをモデル化する。
論文 参考訳(メタデータ) (2025-05-29T18:28:02Z) - Commit0: Library Generation from Scratch [77.38414688148006]
Commit0は、AIエージェントにスクラッチからライブラリを書くよう促すベンチマークである。
エージェントには、ライブラリのAPIを概説する仕様文書と、インタラクティブなユニットテストスイートが提供されている。
Commit0はまた、モデルが生成したコードに対して静的解析と実行フィードバックを受け取る、インタラクティブな環境も提供する。
論文 参考訳(メタデータ) (2024-12-02T18:11:30Z) - Harnessing the Power of LLMs: Automating Unit Test Generation for High-Performance Computing [7.3166218350585135]
ユニットテストは、品質を保証するために、ソフトウェア工学において不可欠です。
並列処理や高性能計算ソフトウェア、特に科学応用では広く使われていない。
本稿では,このようなソフトウェアを対象としたユニットテストの自動生成手法を提案する。
論文 参考訳(メタデータ) (2024-07-06T22:45:55Z) - SWT-Bench: Testing and Validating Real-World Bug-Fixes with Code Agents [10.730852617039451]
ユーザ問題をテストケースに形式化するLLMベースのコードエージェントについて検討する。
我々は人気のあるGitHubリポジトリに基づいた新しいベンチマークを提案し、現実世界の問題、地味なバグフィックス、ゴールデンテストを含む。
コード修復用に設計されたコードエージェントは,テスト生成用に設計されたシステムの性能を上回っている。
論文 参考訳(メタデータ) (2024-06-18T14:54:37Z) - Advancing BDD Software Testing: Dynamic Scenario Re-Usability And Step
Auto-Complete For Cucumber Framework [0.0]
本稿では,振る舞い駆動開発(BDD)Gherkinテストスクリプトのシナリオ内でのシナリオの再使用可能性について,Cucumber Javaフレームワークで紹介し,実装する。
この論文はまた、Cucumberのシングルスレッドシナリオ実行モデルの制限についても少し掘り下げている。
論文 参考訳(メタデータ) (2024-02-24T23:15:39Z) - CRAFT: Customizing LLMs by Creating and Retrieving from Specialized
Toolsets [75.64181719386497]
大規模言語モデル(LLM)のためのツール作成・検索フレームワークであるCRAFTを提案する。
タスク用に特別にキュレートされたツールセットを作成し、複雑なタスクを解決する能力を高めるためにこれらのセットからツールを取得するコンポーネントをLLMに装備する。
本手法はフレキシブルに設計されており,既製のLCMを細かな調整なしに未確認領域やモダリティに適応するためのプラグアンドプレイ方式を提供する。
論文 参考訳(メタデータ) (2023-09-29T17:40:26Z) - ART: Automatic multi-step reasoning and tool-use for large language
models [105.57550426609396]
大規模言語モデル(LLM)は、数秒とゼロショットの設定で複雑な推論を行うことができる。
各推論ステップは、コアLLM機能を超えて計算をサポートする外部ツールに依存することができる。
プログラムとして中間推論ステップを自動生成するために凍結LDMを使用するフレームワークであるART(Automatic Reasoning and Tool-use)を導入する。
論文 参考訳(メタデータ) (2023-03-16T01:04:45Z)
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。