論文の概要: Agentic RAG for Software Testing with Hybrid Vector-Graph and Multi-Agent Orchestration

• arxiv url: http://arxiv.org/abs/2510.10824v1
• Date: Sun, 12 Oct 2025 22:25:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.121758
• Title: Agentic RAG for Software Testing with Hybrid Vector-Graph and Multi-Agent Orchestration
• Title（参考訳）: ハイブリッドベクトルグラフとマルチエージェントオーケストレーションによるソフトウェアテストのためのエージェントRAG
• Authors: Mohanakrishnan Hariharan, Satish Arvapalli, Seshu Barma, Evangeline Sheela,
• Abstract要約: 本稿では,品質工学(QE)アーティファクト作成のためのRAGシステムを用いたソフトウェアテスト自動化手法を提案する。 我々は、自律型AIエージェントとハイブリッドベクトルグラフ知識システムを組み合わせて、テスト計画、ケース、QEメトリクス生成を自動化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present an approach to software testing automation using Agentic Retrieval-Augmented Generation (RAG) systems for Quality Engineering (QE) artifact creation. We combine autonomous AI agents with hybrid vector-graph knowledge systems to automate test plan, case, and QE metric generation. Our approach addresses traditional software testing limitations by leveraging LLMs such as Gemini and Mistral, multi-agent orchestration, and enhanced contextualization. The system achieves remarkable accuracy improvements from 65% to 94.8% while ensuring comprehensive document traceability throughout the quality engineering lifecycle. Experimental validation of enterprise Corporate Systems Engineering and SAP migration projects demonstrates an 85% reduction in testing timeline, an 85% improvement in test suite efficiency, and projected 35% cost savings, resulting in a 2-month acceleration of go-live.
• Abstract（参考訳）: 本稿では,品質工学(QE)アーティファクト作成のためのRAGシステムを用いたソフトウェアテスト自動化手法を提案する。 我々は、自律型AIエージェントとハイブリッドベクトルグラフ知識システムを組み合わせて、テスト計画、ケース、QEメトリクス生成を自動化する。 本稿では,Gemini や Mistral などの LLM を活用することで,従来のソフトウェアテストの限界に対処する。 このシステムは、65%から94.8%の精度向上を実現し、品質工学のライフサイクルを通じて包括的な文書トレーサビリティを確保している。 企業システムエンジニアリングとSAP移行プロジェクトの実験的検証では、テストスケジュールが85%削減され、テストスイート効率が85%改善され、コストが35%削減されたことが示されている。

関連論文リスト

• AegisLLM: Scaling Agentic Systems for Self-Reflective Defense in LLM Security [74.22452069013289]
  AegisLLMは、敵の攻撃や情報漏洩に対する協調的なマルチエージェント防御である。 テスト時のエージェント推論システムのスケーリングは,モデルの有用性を損なうことなく,ロバスト性を大幅に向上させることを示す。 アンラーニングやジェイルブレイクを含む主要な脅威シナリオに対する総合的な評価は、AegisLLMの有効性を示している。
  論文  参考訳（メタデータ） (2025-04-29T17:36:05Z)
• From Code Generation to Software Testing: AI Copilot with Context-Based RAG [8.28588489551341]
  本稿では,2つの相互接続問題として,バグ検出と少ないバグでコーディングを行うことにより,ソフトウェアテストの新たな視点を提案する。 我々は、バグ検出と更新を同期する自動テストシステムであるCopilot for Testingを紹介した。 評価の結果,バグ検出精度が31.2%向上し,テストカバレッジが12.6%向上し,ユーザ受け入れ率が10.5%向上した。
  論文  参考訳（メタデータ） (2025-04-02T16:20:05Z)
• The Potential of LLMs in Automating Software Testing: From Generation to Reporting [0.0]
  手動テストは効果的だが、時間とコストがかかり、自動化メソッドの需要が増大する。 大規模言語モデル(LLM)の最近の進歩は、ソフトウェア工学に大きな影響を与えている。 本稿では,人間の介入を減らし,テスト効率を向上させるため,LSMを用いた自動ソフトウェアテストに対するエージェント指向アプローチについて検討する。
  論文  参考訳（メタデータ） (2024-12-31T02:06:46Z)
• AutoPT: How Far Are We from the End2End Automated Web Penetration Testing? [54.65079443902714]
  LLMによって駆動されるPSMの原理に基づく自動浸透試験エージェントであるAutoPTを紹介する。 以上の結果から, AutoPT は GPT-4o ミニモデル上でのベースラインフレームワーク ReAct よりも優れていた。
  論文  参考訳（メタデータ） (2024-11-02T13:24:30Z)
• Lingma SWE-GPT: An Open Development-Process-Centric Language Model for Automated Software Improvement [62.94719119451089]
  Lingma SWE-GPTシリーズは、現実世界のコード提出活動から学び、シミュレーションする。 Lingma SWE-GPT 72BはGitHubの30.20%の問題を解決する。
  論文  参考訳（メタデータ） (2024-11-01T14:27:16Z)
• Enriching Automatic Test Case Generation by Extracting Relevant Test Inputs from Bug Reports [10.587260348588064]
  BRMinerは,バグレポートから関連するインプットを抽出する従来の手法と組み合わせて,LLM(Large Language Models)を利用した新しいアプローチである。 本研究では,Defects4JベンチマークとEvoSuiteやRandoopといったテスト生成ツールを用いたBRMinerの評価を行った。 その結果、BRMinerは60.03%の関連入力レート(RIR)と31.71%の関連入力抽出精度(RIEAR)を達成した。
  論文  参考訳（メタデータ） (2023-12-22T18:19:33Z)
• SUPERNOVA: Automating Test Selection and Defect Prevention in AAA Video Games Using Risk Based Testing and Machine Learning [62.997667081978825]
  従来の手法では、成長するソフトウェアシステムではスケールできないため、ビデオゲームのテストはますます難しいタスクになります。 自動化ハブとして機能しながら,テスト選択と欠陥防止を行うシステム SUPERNOVA を提案する。 この直接的な影響は、未公表のスポーツゲームタイトルの55%以上のテスト時間を減らすことが観察されている。
  論文  参考訳（メタデータ） (2022-03-10T00:47:46Z)
• Using Sampling to Estimate and Improve Performance of Automated Scoring Systems with Guarantees [63.62448343531963]
  本稿では,既存のパラダイムを組み合わせることで,人間が知能的に収集する応答をサンプリングする手法を提案する。 比較的少ない予算で精度(平均19.80%)と二次重み付きカッパ(平均25.60%)の顕著な増加を観察した。
  論文  参考訳（メタデータ） (2021-11-17T05:00:51Z)
• On Introducing Automatic Test Case Generation in Practice: A Success Story and Lessons Learned [7.717446055777458]
  本稿では,中規模企業におけるシステムテストスイートの自動生成技術の導入経験について報告する。 自動テストケース生成を導入する際に直面する技術的および組織的障害について説明する。 弊社が開発したテストケースジェネレータ ABT2.0 を紹介します。
  論文  参考訳（メタデータ） (2021-02-28T11:31:50Z)

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。