論文の概要: Agentic LLMs for REST API Test Amplification: A Comparative Study Across Cloud Applications

• arxiv url: http://arxiv.org/abs/2510.27417v1
• Date: Fri, 31 Oct 2025 12:12:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 17:52:16.095145
• Title: Agentic LLMs for REST API Test Amplification: A Comparative Study Across Cloud Applications
• Title（参考訳）: Agenic LLMs for REST API Test Amplification: クラウドアプリケーション間の比較研究
• Authors: Jarne Besjes, Robbe Nooyens, Tolgahan Bardakci, Mutlu Beyazit, Serge Demeyer,
• Abstract要約: 本研究は,Large Language Model (LLM) に基づくテスト増幅に関する先行研究を拡張した。 増幅されたテストスイートは、人間の介入を最小限に抑えて意味論的妥当性を維持する。 計算コスト、ランタイム、エネルギー消費の詳細な分析は、正確性、スケーラビリティ、効率のトレードオフを浮き彫りにする。
• 参考スコア（独自算出の注目度）: 0.48933451909251763
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Representational State Transfer (REST) APIs are a cornerstone of modern cloud native systems. Ensuring their reliability demands automated test suites that exercise diverse and boundary level behaviors. Nevertheless, designing such test cases remains a challenging and resource intensive endeavor. This study extends prior work on Large Language Model (LLM) based test amplification by evaluating single agent and multi agent configurations across four additional cloud applications. The amplified test suites maintain semantic validity with minimal human intervention. The results demonstrate that agentic LLM systems can effectively generalize across heterogeneous API architectures, increasing endpoint and parameter coverage while revealing defects. Moreover, a detailed analysis of computational cost, runtime, and energy consumption highlights trade-offs between accuracy, scalability, and efficiency. These findings underscore the potential of LLM driven test amplification to advance the automation and sustainability of REST API testing in complex cloud environments.
• Abstract（参考訳）: REST(Representational State Transfer) APIは、現代のクラウドネイティブシステムの基盤です。 信頼性を保証するには、さまざまな境界レベルの振る舞いを実行する自動テストスイートが必要です。 それでも、このようなテストケースを設計することは困難な作業であり、リソース集約的な作業である。 本研究では,Large Language Model (LLM) に基づくテスト増幅に関する先行研究を,追加の4つのクラウドアプリケーションにまたがるシングルエージェントとマルチエージェント構成を評価することによって拡張する。 増幅されたテストスイートは、人間の介入を最小限に抑えて意味論的妥当性を維持する。 その結果、エージェントLLMシステムは、異種APIアーキテクチャをまたいで効果的に一般化でき、エンドポイントとパラメータのカバレッジを増大させ、欠陥を明らかにしている。 さらに、計算コスト、ランタイム、エネルギー消費の詳細な分析により、精度、スケーラビリティ、効率のトレードオフが強調される。 これらの知見は、複雑なクラウド環境でのREST APIテストの自動化と持続性を促進するために、LLMによるテスト増幅の可能性を強調している。

関連論文リスト

• Combining TSL and LLM to Automate REST API Testing: A Comparative Study [3.8615905456206256]
  RestTSLLMは、テスト仕様言語(TSL)とLarge Language Models(LLM)を併用して、REST APIのテストケースの自動生成を行うアプローチである。 提案したソリューションは,プロンプトエンジニアリング技術と自動パイプラインを統合して,OpenAPI仕様からテストを生成する能力に基づいて,さまざまなLSMを評価する。 その結果、最高のパフォーマンスのLSMは、一貫して堅牢でコンテキスト的に一貫性のあるREST APIテストを生成しました。
  論文  参考訳（メタデータ） (2025-09-05T23:32:35Z)
• Evaluating LLMs on Sequential API Call Through Automated Test Generation [10.621357661774244]
  StateGenは、シーケンシャルなAPIインタラクションを含む多様なコーディングタスクを生成するように設計された、自動化されたフレームワークである。 3つの代表的なシナリオにまたがる120の検証済みのテストケースを含むベンチマークであるStateEvalを構築します。 実験の結果、StateGenは挑戦的で現実的なAPI指向のタスクを効果的に生成できることを確認した。
  論文  参考訳（メタデータ） (2025-07-13T03:52:51Z)
• Test Amplification for REST APIs via Single and Multi-Agent LLM Systems [1.6499388997661122]
  既存のREST APIテストスイートを増幅するために,単一エージェントとマルチエージェントのセットアップである大規模言語モデル(LLM)システムについて検討する。 本稿では, テストカバレッジ, バグ検出の有効性, 計算コストやエネルギー使用量など, 様々な側面における2つのアプローチの比較検討を行う。
  論文  参考訳（メタデータ） (2025-04-10T20:19:50Z)
• LlamaRestTest: Effective REST API Testing with Small Language Models [50.058600784556816]
  LlamaRestTestは、2つのLLM(Large Language Models)を使って現実的なテストインプットを生成する新しいアプローチである。 私たちは、GPTを使った仕様強化ツールであるRESTGPTなど、最先端のREST APIテストツールに対して、これを評価しています。 私たちの研究は、REST APIテストにおいて、小さな言語モデルは、大きな言語モデルと同様に、あるいは、より良く機能することができることを示しています。
  論文  参考訳（メタデータ） (2025-01-15T05:51:20Z)
• The BrowserGym Ecosystem for Web Agent Research [151.90034093362343]
  BrowserGymエコシステムは、Webエージェントの効率的な評価とベンチマークの必要性の高まりに対処する。 本稿では,Webエージェント研究のためのBrowserGymベースの拡張エコシステムを提案する。 大規模なマルチベンチマークWebエージェント実験を初めて実施し、6つのWebエージェントベンチマークで6つの最先端LCMの性能を比較した。
  論文  参考訳（メタデータ） (2024-12-06T23:43:59Z)
• 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)
• Adaptive REST API Testing with Reinforcement Learning [54.68542517176757]
  現在のテストツールは効率的な探索機構がなく、全ての操作とパラメータを等しく扱う。 現在のツールは、仕様にレスポンススキーマがない場合や、変種を示す場合に苦労している。 我々は、強化学習を取り入れた適応型REST APIテスト手法を提案し、探索中の操作を優先順位付けする。
  論文  参考訳（メタデータ） (2023-09-08T20:27:05Z)

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。