論文の概要: Requirements-Based Test Generation: A Comprehensive Survey
- arxiv url: http://arxiv.org/abs/2505.02015v2
- Date: Wed, 07 May 2025 01:20:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-08 12:54:13.630057
- Title: Requirements-Based Test Generation: A Comprehensive Survey
- Title（参考訳）: 要件に基づくテスト生成: 総合的な調査
- Authors: Zhenzhen Yang, Rubing Huang, Chenhui Cui, Nan Niu, Dave Towey,
- Abstract要約: 要求ベースのテスト生成(RBTG)は、特定の要求に基づいてテストケースを構築する。
本稿では,RTTGに関する総合的な調査,要件の分類,アプローチの分類,テストケースの種類の調査,利用可能なツールの要約,実験評価の分析を行う。
- 参考スコア（独自算出の注目度）: 7.025861696324118
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As an important way of assuring software quality, software testing generates and executes test cases to identify software failures. Many strategies have been proposed to guide test-case generation, such as source-code-based approaches and methods based on bug reports. Requirements-based test generation (RBTG) constructs test cases based on specified requirements, aligning with user needs and expectations, without requiring access to the source code. Since its introduction in 1994, there have been many contributions to the development of RBTG, including various approaches, implementations, tools, assessment and evaluation methods, and applications. This paper provides a comprehensive survey on RBTG, categorizing requirement types, classifying approaches, investigating types of test cases, summarizing available tools, and analyzing experimental evaluations. This paper also summarizes the domains and industrial applications of RBTG, and discusses some open research challenges and potential future work.
- Abstract（参考訳）: ソフトウェアの品質を保証する重要な方法として、ソフトウェアテストは、ソフトウェア障害を特定するテストケースを生成し、実行します。
ソースコードベースのアプローチやバグレポートに基づくメソッドなど、テストケース生成をガイドする多くの戦略が提案されている。
要求ベースのテスト生成(RBTG)は、特定の要件に基づいてテストケースを構築し、ソースコードへのアクセスを必要とせず、ユーザの要求と期待に合致する。
1994年に導入されて以来、RTTGの開発には様々なアプローチ、実装、ツール、評価・評価方法、アプリケーションなど多くの貢献がなされてきた。
本稿では,RTTGに関する総合的な調査,要件の分類,アプローチの分類,テストケースの種類の調査,利用可能なツールの要約,実験評価の分析を行う。
本稿では,RTTGの分野と産業応用についても概説し,オープンな研究課題と今後の課題について論じる。
関連論文リスト
- Automatic High-Level Test Case Generation using Large Language Models [1.8136446064778242]
主な課題は、テストスクリプトを書くのではなく、テスト作業とビジネス要件の整合性です。
我々は、高レベルのテストケースを生成するためのトレーニング/ファインチューンモデルを構築するユースケースデータセットを構築した。
当社の積極的なアプローチは要件テストのアライメントを強化し,早期テストケース生成を容易にする。
論文 参考訳（メタデータ） (2025-03-23T09:14:41Z) - Requirements-Driven Automated Software Testing: A Systematic Review [13.67495800498868]
本研究では,REDAST研究の現状を整理し,今後の方向性について考察する。
この体系的な文献レビュー(SLR)は、要求入力、変換技術、テスト結果、評価方法、既存の制限を分析して、REDASTの展望を探求する。
論文 参考訳（メタデータ） (2025-02-25T23:13:09Z) - Adaptive Testing for LLM-Based Applications: A Diversity-based Approach [15.33985438101206]
本稿では,適応ランダムテスト(ART)のような多様性に基づくテスト手法が,プロンプトテンプレートのテストに効果的に適用可能であることを示す。
いくつかの文字列ベース距離を探索する様々な実装を用いて得られた結果,本手法が試験予算の削減による故障の発見を可能にすることを確認した。
論文 参考訳（メタデータ） (2025-01-23T08:53:12Z) - System Test Case Design from Requirements Specifications: Insights and Challenges of Using ChatGPT [1.9282110216621835]
本稿では,Large Language Models (LLMs) を用いてソフトウェア要件仕様 (SRS) 文書からテストケース設計を作成することの有効性について検討する。
生成したテストケースの約87%が有効で、残りの13%は適用不可能か冗長かのどちらかでした。
論文 参考訳（メタデータ） (2024-12-04T20:12:27Z) - Benchmarking Uncertainty Quantification Methods for Large Language Models with LM-Polygraph [83.90988015005934]
不確実性定量化は機械学習アプリケーションにおいて重要な要素である。
最新のUQベースラインの集合を実装した新しいベンチマークを導入する。
我々は、11タスクにわたるUQと正規化技術に関する大規模な実証的研究を行い、最も効果的なアプローチを特定した。
論文 参考訳（メタデータ） (2024-06-21T20:06:31Z) - Generative Judge for Evaluating Alignment [84.09815387884753]
本稿では,これらの課題に対処するために,13Bパラメータを持つ生成判断器Auto-Jを提案する。
我々のモデルは,大規模な実環境シナリオ下でのユーザクエリとLLM生成応答に基づいて訓練されている。
実験的に、Auto-Jはオープンソースモデルとクローズドソースモデルの両方を含む、強力なライバルのシリーズを上回っている。
論文 参考訳（メタデータ） (2023-10-09T07:27:15Z) - A Comprehensive Survey on Test-Time Adaptation under Distribution Shifts [117.72709110877939]
テスト時間適応(TTA)は、事前訓練されたモデルをテスト中に、予測する前にラベルのないデータに適応する可能性がある。
TTAはテスト時間領域適応、テスト時間バッチ適応、オンラインテスト時間適応といったテストデータの形態に基づいて、いくつかの異なるグループに分類される。
論文 参考訳（メタデータ） (2023-03-27T16:32:21Z) - Generalized Coverage Criteria for Combinatorial Sequence Testing [4.807321976136717]
本稿では,アクションのシーケンスとアサーションをテストベクトルとして使用するテストシステムに対して,新しいモデルベースのアプローチを提案する。
我々のソリューションは、テスト品質の定量化方法、提案するカバレッジ基準に基づいて高品質なテストスイートを生成するツール、リスクを評価するフレームワークを含む。
論文 参考訳（メタデータ） (2022-01-03T08:35:28Z) - ADAPQUEST: A Software for Web-Based Adaptive Questionnaires based on
Bayesian Networks [70.79136608657296]
ADAPQUESTは、ベイジアンネットワークに基づく適応型アンケートの開発のためにJavaで書かれたソフトウェアツールである。
質問紙には、アンケートパラメータの引用を簡略化するために、専用の実施戦略が組み込まれている。
本ツールの精神疾患診断への応用についても論じる。
論文 参考訳（メタデータ） (2021-12-29T09:50:44Z) - Quality meets Diversity: A Model-Agnostic Framework for Computerized
Adaptive Testing [60.38182654847399]
コンピュータ適応テスト(CAT)は多くのシナリオで有望なテストアプリケーションとして現れています。
CAT ソリューションのための新しいフレームワークである Model-Agnostic Adaptive Testing (MAAT) を提案する。
論文 参考訳（メタデータ） (2021-01-15T06:48:50Z)
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。