論文の概要: Hybrid Fault-Driven Mutation Testing for Python

• arxiv url: http://arxiv.org/abs/2601.19088v1
• Date: Tue, 27 Jan 2026 01:49:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 14:03:54.320423
• Title: Hybrid Fault-Driven Mutation Testing for Python
• Title（参考訳）: Pythonのハイブリッドフォールト駆動変異テスト
• Authors: Saba Alimadadi, Golnaz Gharachorlu,
• Abstract要約: 我々は,Pythonプログラムのアンチパターンにインスパイアされた7つの突然変異演算子を新たに導入する。 本研究では,静的解析と動的解析を併用した突然変異試験手法を提案する。 このアプローチをPyTationというツールで実装し,13のオープンソースPythonアプリケーション上で評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mutation testing is an effective technique for assessing the effectiveness of test suites by systematically injecting artificial faults into programs. However, existing mutation testing techniques fall short in capturing many types of common faults in dynamically typed languages like Python. In this paper, we introduce a novel set of seven mutation operators that are inspired by prevalent anti-patterns in Python programs, designed to complement the existing general-purpose operators and broaden the spectrum of simulated faults. We propose a mutation testing technique that utilizes a hybrid of static and dynamic analyses to mutate Python programs based on these operators while minimizing equivalent mutants. We implement our approach in a tool called PyTation and evaluate it on 13 open-source Python applications. Our results show that PyTation generates mutants that complement those from general-purpose tools, exhibiting distinct behaviour under test execution and uncovering inadequacies in high-coverage test suites. We further demonstrate that PyTation produces a high proportion of unique mutants, a low cross-kill rate, and a low test overlap ratio relative to baseline tools, highlighting its novel fault model. PyTation also incurs few equivalent mutants, aided by dynamic analysis heuristics.
• Abstract（参考訳）: 突然変異試験は, プログラムに人工欠陥を系統的に注入することにより, テストスイートの有効性を評価する効果的な手法である。 しかし、既存の突然変異テスト技術は、Pythonのような動的型付け言語で多くのタイプの共通障害をキャプチャするのに不足している。 本稿では,Pythonプログラムのアンチパターンにインスパイアされた7つの突然変異演算子を新たに導入し,既存の汎用演算子を補完し,シミュレーション故障のスペクトルを広げる。 そこで本研究では,静的解析と動的解析のハイブリッド手法を用いて,これらの演算子に基づいてPythonプログラムを突然変異させ,等価な突然変異を最小化する突然変異試験手法を提案する。 このアプローチをPyTationというツールで実装し,13のオープンソースPythonアプリケーション上で評価する。 以上の結果から,PyTationは汎用ツールを補完する変異体を生成し,テスト実行下での異なる振る舞いを示し,高カバレッジテストスイートにおける不整合を明らかにする。 さらに, PyTationは, 特異な変異率, クロススキル率, ベースラインツールに対するテストオーバーラップ率を高い割合で生成し, 新たな故障モデルを強調した。 PyTationはまた、動的解析ヒューリスティックス(英語版)によって助けられた、同等の変異をほとんど引き起こさない。

関連論文リスト

• PRIMG : Efficient LLM-driven Test Generation Using Mutant Prioritization [0.0]
  PRIMG(Prioritization and Refinement Integrated Mutation-driven Generation)は、Solidityスマートコントラクトのためのインクリメンタルで適応的なテストケース生成のための新しいフレームワークである。 PRIMGは突然変異優先順位付けモジュールを統合し、ミュータント置換グラフに基づいてトレーニングされた機械学習モデルを用いて、生き残ったミュータントの有用性を予測する。 優先順位付けモジュールはランダムなミュータント選択を一貫して上回り、計算労力を削減したハイインパクトテストの生成を可能にした。
  論文  参考訳（メタデータ） (2025-05-08T18:30:22Z)
• SYNTHEVAL: Hybrid Behavioral Testing of NLP Models with Synthetic CheckLists [59.08999823652293]
  我々は,NLPモデルの包括的評価のために,SyntheVALを提案する。 最後の段階では、人間の専門家が困難な例を調査し、手動でテンプレートを設計し、タスク固有のモデルが一貫して示す障害の種類を特定します。 我々は、感情分析と有害言語検出という2つの分類課題にSynTHEVALを適用し、これらの課題における強力なモデルの弱点を特定するのに、我々のフレームワークが有効であることを示す。
  論文  参考訳（メタデータ） (2024-08-30T17:41:30Z)
• Improving Bias Correction Standards by Quantifying its Effects on Treatment Outcomes [54.18828236350544]
  Propensity score matching (PSM) は、分析のために同等の人口を選択することで選択バイアスに対処する。 異なるマッチング手法は、すべての検証基準を満たす場合でも、同じタスクに対する平均処理効果(ATE)を著しく異なるものにすることができる。 この問題に対処するため,新しい指標A2Aを導入し,有効試合数を削減した。
  論文  参考訳（メタデータ） (2024-07-20T12:42:24Z)
• LLMorpheus: Mutation Testing using Large Language Models [5.448283690603358]
  本稿では,プログラムのソースコード内の指定された場所でプレースホルダーを導入する変異検査手法を提案する。 我々はLLMorpheusがStrykerJSでは生成できない既存のバグに似た変異体を生産できると考えている。
  論文  参考訳（メタデータ） (2024-04-15T17:25:14Z)
• An Empirical Evaluation of Manually Created Equivalent Mutants [54.02049952279685]
  手動で作成した突然変異体の10%未満は等価である。 驚くべきことに、我々の発見は、開発者の大部分が同等のミュータントを正確に識別するのに苦労していることを示している。
  論文  参考訳（メタデータ） (2024-04-14T13:04:10Z)
• Mutation Analysis with Execution Taints [2.574469668220994]
  各変異体を別々に評価することは、大量の冗長な計算を意味する。 本研究では, 動的データフロー・テナントを突然変異解析に活用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-03-02T09:20:46Z)
• Contextual Predictive Mutation Testing [17.832774161583036]
  MutationBERTは、ソースメソッドの突然変異とテストメソッドを同時にエンコードする予測突然変異テストのアプローチである。 精度が高いため、MutationBERTは、ライブミュータントをチェック・検証する以前のアプローチで費やされた時間の33%を節約する。 我々は、入力表現と、テストマトリックスレベルからテストスイートレベルまで予測を引き上げるためのアグリゲーションアプローチを検証し、同様の性能改善を見出した。
  論文  参考訳（メタデータ） (2023-09-05T17:00:15Z)
• Sequential Permutation Testing of Random Forest Variable Importance Measures [68.8204255655161]
  そこで本研究では、逐次置換テストと逐次p値推定を用いて、従来の置換テストに関連する高い計算コストを削減することを提案する。 シミュレーション研究の結果、シーケンシャルテストの理論的性質が当てはまることを確認した。 本手法の数値安定性を2つの応用研究で検討した。
  論文  参考訳（メタデータ） (2022-06-02T20:16:50Z)

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。