論文の概要: Beyond Pass/Fail: The Story of Learning-Based Testing

• arxiv url: http://arxiv.org/abs/2510.00450v1
• Date: Wed, 01 Oct 2025 03:04:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.344311
• Title: Beyond Pass/Fail: The Story of Learning-Based Testing
• Title（参考訳）: Beyond Pass/Fail: 学習ベースのテストの物語
• Authors: Sheikh Md. Mushfiqur Rahman, Nasir Eisty,
• Abstract要約: 学習ベーステスト(LBT)は、学習とテストのプロセスを融合して、テストと行動の妥当性の両方を達成する。 LBTは能動学習を利用してシステム・アンダー・テスト(SUT)のモデルを推論する この体系的な文献レビューは、LBTの創始と発展に関する総合的な視点を研究者に提供することを目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning-Based Testing (LBT) merges learning and testing processes to achieve both testing and behavioral adequacy. LBT utilizes active learning to infer the model of the System Under Test (SUT), enabling scalability for large and complex programs by requiring only a minimal set of initial test cases. The core principle of LBT is that the SUT's behavior can be thoroughly inferred by progressively generating test cases and subjecting the SUT to testing, thereby ensuring comprehensive testing. Despite being in its early stages, LBT has a solid foundation of theoretical research demonstrating its efficacy in testing both procedural and reactive programs. This paper provides a systematic literature review of various LBT implementations across different program types and evaluates the current state of research in this field. We explore diverse theoretical frameworks, existing tools, and libraries within the LBT domain to illustrate the concept's evolution and current research status. Additionally, we examine case studies involving the application of LBT tools in industrial settings, highlighting their potential and effectiveness in commercial software testing. This systematic literature review aims to offer researchers a comprehensive perspective on the inception and development of LBT, presenting it as a promising technique in software testing. By unveiling LBT's underutilized potential, this paper seeks to significantly benefit the practitioners and research community.
• Abstract（参考訳）: 学習ベーステスト(LBT)は、学習とテストのプロセスを融合して、テストと行動の妥当性の両方を達成する。 LBTは、システムアンダーテスト(SUT)のモデルを推論するためにアクティブな学習を利用し、最小限のテストケースだけを必要とするため、大規模で複雑なプログラムのスケーラビリティを実現する。 LBTの中核的な原理は、SUTの振る舞いを段階的にテストケースを生成し、SUTをテストに従属させ、包括的なテストを保証することで、徹底的に推測できることである。 初期の段階ではあるが、LBTは手続き型プログラムと反応型プログラムの両方をテストする上での有効性を実証する理論研究の確固たる基盤を持っている。 本稿では,様々なプログラムタイプにまたがる多様なLBT実装について,系統的な文献レビューを行い,この分野での研究状況を評価する。 我々は、LBTドメイン内の様々な理論フレームワーク、既存のツール、ライブラリについて検討し、その概念の進化と現在の研究状況を説明する。 さらに,LBTツールを産業環境に適用するケーススタディについて検討し,商用ソフトウェアテストにおけるその可能性と有効性を強調した。 この体系的な文献レビューは、研究者にLBTの開始と開発に関する総合的な視点を提供し、ソフトウェアテストにおける有望な技術として提示することを目的としている。 LBTの未活用の可能性を明らかにすることで,実践者や研究コミュニティに多大な利益をもたらすことを目指す。

関連論文リスト

• Hamster: A Large-Scale Study and Characterization of Developer-Written Tests [44.65515600399573]
  我々はJavaアプリケーションの開発者によるテストについて調査し、オープンソースリポジトリから170万のテストケースをカバーした。 この結果から,開発者によるテストの大部分は,現在のATGツールの能力以上の特性を示すことがわかった。 私たちは、現在のツール機能と開発者のテストプラクティスに対するより効果的なツールサポートのギャップを埋めるのに役立つ有望な研究方向を特定します。
  論文  参考訳（メタデータ） (2025-09-30T13:08:23Z)
• Testing the Untestable? An Empirical Study on the Testing Process of LLM-Powered Software Systems [0.0]
  本研究では,実世界のアプリケーション開発において,大規模言語モデルがどのようにテストされるかを検討する。 ケーススタディは、LLMを利用したアプリケーションを大学コースの一部として構築・展開した学生によって書かれた99の個人レポートを用いて実施された。 結果: LLMを利用したシステムをテストするには, 従来の検証手法に適応し, ソースレベルの推論と行動認識評価をブレンドする必要がある。
  論文  参考訳（メタデータ） (2025-07-31T22:39:24Z)
• A System for Automated Unit Test Generation Using Large Language Models and Assessment of Generated Test Suites [1.4563527353943984]
  大規模言語モデル(LLM)はソフトウェア開発の様々な側面に適用されている。 Javaプロジェクトのテストスイートを生成する自動化システムであるAgoneTestを紹介します。
  論文  参考訳（メタデータ） (2024-08-14T23:02:16Z)
• Active Test-Time Adaptation: Theoretical Analyses and An Algorithm [51.84691955495693]
  テスト時間適応(TTA)は、教師なし設定でストリーミングテストデータの分散シフトに対処する。 完全TTA設定内に能動学習を統合する能動テスト時間適応(ATTA)の新たな問題設定を提案する。
  論文  参考訳（メタデータ） (2024-04-07T22:31:34Z)
• Survey of Computerized Adaptive Testing: A Machine Learning Perspective [66.26687542572974]
  コンピュータ適応テスト (Computerized Adaptive Testing, CAT) は、試験の熟練度を評価するための効率的で調整された方法である。 本稿では,この適応テスト手法に対する新たな視点を提示し,機械学習に着目したCATに関する調査を行うことを目的とする。
  論文  参考訳（メタデータ） (2024-03-31T15:09:47Z)
• An empirical study of testing machine learning in the wild [35.13282520395855]
  機械学習(ML/DL)アルゴリズムは多くのソフトウェアシステムで採用されている。 インダクティブな性質のため、これらのシステムの品質を保証することは、研究コミュニティにとって重要な課題である。 ML/DLの品質保証に関する最近の研究は、信頼性を向上させるために、突然変異テストのような従来のソフトウェアテストの概念を適用している。
  論文  参考訳（メタデータ） (2023-12-19T21:18:14Z)
• 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)
• Dynamic Causal Effects Evaluation in A/B Testing with a Reinforcement Learning Framework [68.96770035057716]
  A/Bテスト(A/B Testing)は、新しい製品を製薬、技術、伝統産業の古い製品と比較するビジネス戦略である。 本稿では,オンライン実験においてA/Bテストを実施するための強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-05T10:25:02Z)

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。