論文の概要: Prompt-Based REST API Test Amplification in Industry: An Experience Report

• arxiv url: http://arxiv.org/abs/2601.17903v1
• Date: Sun, 25 Jan 2026 16:41:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.523534
• Title: Prompt-Based REST API Test Amplification in Industry: An Experience Report
• Title（参考訳）: 業界におけるプロンプトベースのREST APIテストの増幅:エクスペリエンスレポート
• Authors: Tolgahan Bardakci, Andreas Faes, Mutlu Beyazit, Serge Demeyr,
• Abstract要約: 大きな言語モデル(LLM)は、ソフトウェアテストタスクをサポートするためにますます使われています。 産業環境でのREST APIテストの有効性の証拠はほとんどない。 大規模でセキュリティに敏感なシステムに埋め込まれた実運用マイクロサービスの6つの代表的なエンドポイントに対して,LLMベースのテスト増幅を適用した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Large Language Models (LLMs) are increasingly used to support software testing tasks, yet there is little evidence of their effectiveness for REST API testing in industrial settings. To address this gap, we replicate our earlier work on LLM-based REST API test amplification within an industrial context at one of the largest logistics companies in Belgium. We apply LLM-based test amplification to six representative endpoints of a production microservice embedded in a large-scale, security-sensitive system, where there is in-depth complexity in authentication, stateful behavior, and organizational constraints. Our experience shows that LLM-based test amplification remains practically useful in industry by increasing coverage and revealing various observations and anomalies.
• Abstract（参考訳）: 大きな言語モデル(LLM)は、ソフトウェアテストタスクをサポートするためにますます使われていますが、産業環境でのREST APIテストの有効性の証拠はほとんどありません。 このギャップに対処するため、ベルギー最大の物流企業の1つで、LLMベースのREST APIテストの増幅に関する以前の作業を、産業的な文脈で再現しました。 LLMベースのテスト増幅を,大規模でセキュリティに敏感なシステムに埋め込まれた運用マイクロサービスの6つの代表的なエンドポイントに適用する。 我々の経験から, LLMによる試験増幅は, 適用範囲を拡大し, 様々な観察や異常を明らかにすることで, 産業において実用的に有用であることが示唆された。

関連論文リスト

• Agentic LLMs for REST API Test Amplification: A Comparative Study Across Cloud Applications [0.48933451909251763]
  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。
  論文  参考訳（メタデータ） (2025-10-31T12:12:01Z)
• A Survey on the Application of Large Language Models in Scenario-Based Testing of Automated Driving Systems [6.608557716494977]
  論文は5つのオープンな課題と潜在的研究の方向性を概説することで締めくくっている。 LLM(Large Language Models)の出現は、シナリオベースのテストを強化する新たな機会をもたらした。
  論文  参考訳（メタデータ） (2025-05-22T12:25:44Z)
• 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)
• 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)
• On the Evaluation of Large Language Models in Unit Test Generation [16.447000441006814]
  単体テストは、ソフトウェアコンポーネントの正しさを検証するために、ソフトウェア開発において不可欠な活動である。 LLM(Large Language Models)の出現は、ユニットテスト生成を自動化するための新しい方向性を提供する。
  論文  参考訳（メタデータ） (2024-06-26T08:57:03Z)
• Automatic benchmarking of large multimodal models via iterative experiment programming [71.78089106671581]
  本稿では,LMMの自動ベンチマークのための最初のフレームワークであるAPExを紹介する。 自然言語で表現された研究の質問に対して、APExは大きな言語モデル(LLM)と事前定義されたツールのライブラリを活用して、手元にあるモデルの一連の実験を生成する。 調査の現在の状況に基づいて、APExはどの実験を行うか、結果が結論を引き出すのに十分かどうかを選択する。
  論文  参考訳（メタデータ） (2024-06-18T06:43:46Z)
• Automating REST API Postman Test Cases Using LLM [0.0]
  本稿では,大規模言語モデルを用いたテストケースの自動生成手法の探索と実装について述べる。 この方法論は、テストケース生成の効率性と有効性を高めるために、Open AIの使用を統合する。 この研究で開発されたモデルは、手作業で収集したポストマンテストケースやさまざまなRest APIのインスタンスを使ってトレーニングされている。
  論文  参考訳（メタデータ） (2024-04-16T15:53:41Z)
• Leveraging Large Language Models to Improve REST API Testing [51.284096009803406]
  RESTGPTはAPI仕様を入力として、機械解釈可能なルールを抽出し、仕様内の自然言語記述からサンプルパラメータ値を生成する。 評価の結果、RESTGPTはルール抽出と値生成の両方において既存の技術よりも優れています。
  論文  参考訳（メタデータ） (2023-12-01T19:53:23Z)

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。