論文の概要: Synthesizing Test Cases for Narrowing Specification Candidates

• arxiv url: http://arxiv.org/abs/2511.19177v1
• Date: Mon, 24 Nov 2025 14:41:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.261221
• Title: Synthesizing Test Cases for Narrowing Specification Candidates
• Title（参考訳）: 仕様候補を絞り込むためのテストケースの合成
• Authors: Alcino Cunha, Nuno Macedo,
• Abstract要約: 仕様のセットが与えられた場合、我々の技術は、一度ユーザーによって望ましいかどうかと分類された一連のテストケースを生成し、候補のセットを少なくとも1つの仕様に絞り込む。 最小限のテストスイートを生成するアルゴリズムと、最小限を保証しないアルゴリズムの2つが提案されている。
• 参考スコア（独自算出の注目度）: 1.2031796234206136
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a technique to help choose the best formal specification candidate among a set of alternatives. Given a set of specifications, our technique generates a suite of test cases that, once classified by the user as desirable or not, narrows down the set of candidates to at most one specification. Two alternative solver-based algorithms are proposed, one that generates a minimal test suite, and another that does not ensure minimality. Both algorithms were implemented in a prototype that can be used generate test suites to help choose among alternative Alloy specifications. Our evaluation of this prototype against a large set of problems showed that the optimal algorithm is efficient enough for many practical problems, and that the non-optimal algorithm can scale up to dozens of candidate specifications while still generating reasonably sized test suites.
• Abstract（参考訳）: 本稿では,一組の代替案の中から,最適な仕様候補の選択を支援する手法を提案する。 仕様のセットが与えられた場合、我々の技術は、一度ユーザーによって望ましいかどうかと分類された一連のテストケースを生成し、候補のセットを少なくとも1つの仕様に絞り込む。 最小限のテストスイートを生成するアルゴリズムと、最小限を保証しないアルゴリズムの2つが提案されている。 どちらのアルゴリズムもプロトタイプで実装されており、テストスイートを生成して代替のアロイ仕様を選択するのに役立つ。 この試案を多数の問題に対して評価したところ、最適アルゴリズムは多くの実践的問題に対して十分効率的であり、最適でないアルゴリズムは数十の候補仕様までスケールアップでき、しかも妥当な大きさのテストスイートを生成できることがわかった。

関連論文リスト

• Near Optimal Inference for the Best-Performing Algorithm [6.5268245109828005]
  本稿では,サブセット選択問題に対する新しい枠組みを提案する。 我々は、現在知られている手法を大幅に改善する高信頼と有限サンプルスキームを提供する。
  論文  参考訳（メタデータ） (2025-08-07T09:08:06Z)
• Provable Scaling Laws for the Test-Time Compute of Large Language Models [84.00141420901038]
  本研究では,大規模言語モデルのテスト時間計算において,証明可能なスケーリング法則を享受する2つのアルゴリズムを提案する。 1つは2段階ノックアウト方式のアルゴリズムで、各候補は複数の相手に対して平均勝利率で評価される。 もう1つは2段階のリーグ方式のアルゴリズムで、各候補は複数の相手に対して平均勝利率で評価される。
  論文  参考訳（メタデータ） (2024-11-29T05:29:47Z)
• Stop Relying on No-Choice and Do not Repeat the Moves: Optimal, Efficient and Practical Algorithms for Assortment Optimization [38.57171985309975]
  本研究では,emphPlackett Luce (PL) を用いたコンソーシアム選択問題に対する効率的なアルゴリズムを開発した。 提案手法は,既存の手法の限界を無視し,実用的かつ確実に最適である。
  論文  参考訳（メタデータ） (2024-02-29T07:17:04Z)
• Dual-Directed Algorithm Design for Efficient Pure Exploration [9.728332815218181]
  我々は、最良腕識別を超えたトップ2のアプローチを拡張する純粋探索問題のための新しい設計原理を開発する。 情報指向選択と組み合わせて、トップ2のトンプソンサンプリングがベストアーム識別に最適であることを示す。 また,しきい値と$varepsilon$-best-arm識別のための最適なアルゴリズムも作成する。
  論文  参考訳（メタデータ） (2023-10-30T07:29:17Z)
• Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
  オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。 SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。 本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。 ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
  論文  参考訳（メタデータ） (2021-09-13T18:10:52Z)
• Towards Meta-Algorithm Selection [78.13985819417974]
  インスタンス固有のアルゴリズム選択(AS)は、固定された候補集合からのアルゴリズムの自動選択を扱う。 メタアルゴリズムの選択は、いくつかのケースで有益であることを示す。
  論文  参考訳（メタデータ） (2020-11-17T17:27:33Z)
• Optimal 1-NN Prototypes for Pathological Geometries [13.70633147306388]
  トレーニングデータセットのサイズを減らすためにプロトタイプ手法を使用することで、分類の計算コストを大幅に削減することができる。 与えられたデータセットの最適なプロトタイプを見つけることは困難であり、代わりにアルゴリズムが使われる。 本稿では, ほぼ最適な分類器のプロトタイプをこの設定で発見するアルゴリズムを提案し, 理論的結果を実証的に検証する。
  論文  参考訳（メタデータ） (2020-10-31T10:15:08Z)
• Extreme Algorithm Selection With Dyadic Feature Representation [78.13985819417974]
  我々は,数千の候補アルゴリズムの固定セットを考慮に入れた,極端なアルゴリズム選択(XAS)の設定を提案する。 我々は、XAS設定に対する最先端のAS技術の適用性を評価し、Dyadic特徴表現を利用したアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-29T09:40:58Z)

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。