論文の概要: Search-based Software Testing Driven by Domain Knowledge: Reflections and New Perspectives

• arxiv url: http://arxiv.org/abs/2512.10079v1
• Date: Wed, 10 Dec 2025 21:05:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-12 16:15:42.062226
• Title: Search-based Software Testing Driven by Domain Knowledge: Reflections and New Perspectives
• Title（参考訳）: ドメイン知識による検索ベースのソフトウェアテスト:リフレクションと新しい視点
• Authors: Federico Formica, Mark Lawford, Claudio Menghi,
• Abstract要約: 検索ベースのソフトウェアテスト(SBST)は、要件違反を検索するテストケースを自動的に生成する。 限られた時間でかなりの数のテストケースを生成することができる。 しかし、SBSTはエンジニアのドメイン知識を持っていない。
• 参考スコア（独自算出の注目度）: 1.1623005206620494
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Search-based Software Testing (SBST) can automatically generate test cases to search for requirements violations. Unlike manual test case development, it can generate a substantial number of test cases in a limited time. However, SBST does not possess the domain knowledge of engineers. Several techniques have been proposed to integrate engineers' domain knowledge within existing SBST frameworks. This paper will reflect on recent experimental results by highlighting bold and unexpected results. It will help re-examine SBST techniques driven by domain knowledge from a new perspective, suggesting new directions for future research.
• Abstract（参考訳）: 検索ベースのソフトウェアテスト(SBST)は、要件違反を検索するテストケースを自動的に生成する。 手動のテストケース開発とは異なり、限られた時間でかなりの数のテストケースを生成することができる。 しかし、SBSTはエンジニアのドメイン知識を持っていない。 既存のSBSTフレームワークにエンジニアのドメイン知識を統合するために、いくつかのテクニックが提案されている。 本稿では,大胆かつ予期せぬ結果を明らかにすることで,最近の実験結果について考察する。 ドメイン知識によって駆動されるSBST手法を新たな視点から再検討し、今後の研究の新たな方向性を示唆する。

関連論文リスト

• Beyond Pass/Fail: The Story of Learning-Based Testing [0.0]
  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。
  論文  参考訳（メタデータ） (2025-10-01T03:04:33Z)
• 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)
• Requirements-Driven Automated Software Testing: A Systematic Review [12.953746641112518]
  この体系的な文献は、要求入力フォーマット、変換技術、生成されたテストアーティファクト、評価方法、一般的な制限の現状を批判的に検証する。 本研究は,機能要件,モデルベース仕様,自然言語フォーマットの優位性に注目した。 テストケース、構造化されたテキスト形式、要求カバレッジは一般的だが、完全な自動化は依然として稀である。
  論文  参考訳（メタデータ） (2025-02-25T23:13:09Z)
• Automated Soap Opera Testing Directed by LLMs and Scenario Knowledge: Feasibility, Challenges, and Road Ahead [43.15092098658384]
  探索的テスト(ET)は、テスト担当者の知識、創造性、経験を活用して、予期せぬバグをエンドユーザの視点から発見するさまざまなテストを作成する。 自動シナリオベースET(ソープオペラテスト)の実現可能性,課題,道程について検討する。
  論文  参考訳（メタデータ） (2024-12-11T17:57:23Z)
• Context-Aware Testing: A New Paradigm for Model Testing with Large Language Models [49.06068319380296]
  我々は,コンテキストを帰納バイアスとして用いて意味のあるモデル障害を探索するコンテキスト認識テスト(CAT)を導入する。 最初のCATシステムSMART Testingをインスタンス化し、大きな言語モデルを用いて、関連性があり、起こりうる失敗を仮説化します。
  論文  参考訳（メタデータ） (2024-10-31T15:06:16Z)
• Historical Test-time Prompt Tuning for Vision Foundation Models [99.96912440427192]
  HisTPTは、学習したテストサンプルの有用な知識を記憶する、履歴的テストタイムプロンプトチューニング技術である。 HisTPTは、異なる視覚認識タスクを処理しながら、一貫した優れたプロンプトチューニング性能を達成する。
  論文  参考訳（メタデータ） (2024-10-27T06:03:15Z)
• Instance Space Analysis of Search-Based Software Testing [6.292153194561472]
  検索ベースのソフトウェアテスト(SBST)が成熟した分野になった。 本稿では,SBST手法の客観的性能評価の問題を再考する。
  論文  参考訳（メタデータ） (2023-12-04T23:12:52Z)
• Beyond Testers' Biases: Guiding Model Testing with Knowledge Bases using LLMs [30.024465480783835]
  ウィーバーは、モデルテストの指針となる要求の導出をサポートする対話型ツールである。 Weaverは大きな言語モデルを使用して知識ベースを生成し、インタラクティブに概念を推奨する。
  論文  参考訳（メタデータ） (2023-10-14T21:24:03Z)
• Towards Automatic Generation of Amplified Regression Test Oracles [44.45138073080198]
  回帰テストオラクルを増幅するためのテストオラクル導出手法を提案する。 このアプローチはテスト実行中にオブジェクトの状態を監視し、以前のバージョンと比較して、SUTの意図した振る舞いに関連する変更を検出する。
  論文  参考訳（メタデータ） (2023-07-28T12:38:44Z)
• A Generative Neural Network Framework for Automated Software Testing [0.0]
  本稿では,非畳み込み生成ニューラルネットワークに基づくSBSTフレームワークを提案する。 NNをSBSTタスクに適合させる有益な品質を保持するだけでなく、独自のトレーニングデータも生成している。
  論文  参考訳（メタデータ） (2020-06-29T19:39:20Z)
• 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。