論文の概要: Generative AI in Software Testing: Current Trends and Future Directions
- arxiv url: http://arxiv.org/abs/2603.02141v1
- Date: Mon, 02 Mar 2026 18:01:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:57.019345
- Title: Generative AI in Software Testing: Current Trends and Future Directions
- Title（参考訳）: ソフトウェアテストにおけるジェネレーティブAI - 現状と今後の方向性
- Authors: Tanish Singla, Qusay H. Mahmoud,
- Abstract要約: 本稿では、現在のソフトウェアテストシステムについて検討し、人工知能、特にジェネレーティブAIをどのように統合してこれらのシステムを強化するかを検討する。
テストカバレッジを改善し、効率を向上し、コストを削減することによって、ソフトウェアテストプロセスを変革するGenerative AIの可能性に焦点を当てている。
- 参考スコア（独自算出の注目度）: 1.0312968200748118
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper investigates current software testing systems and explores how artificial intelligence, specifically Generative AI, can be integrated to enhance these systems. It begins by examining different types of AI systems and focuses on the potential of Generative AI to transform software testing processes by improving test coverage, increasing efficiency, and reducing costs. The study provides a com-prehensive overview of the current applications of AI in software testing, emphasizing its significant contributions in areas such as test case generation and validation. Through an extensive literature re-view, it highlights how Generative AI can streamline these processes, resulting in more robust and thorough testing outcomes. The paper also examines methods to improve the efficiency of Generative AI systems, such as prompt engineering and fine-tuning. Additionally, it explores the use of AI in specific tasks, including input generation, oracle generation, data generation, test data creation, and test case prioritization. By analyzing the current landscape and identifying both the opportunities and challenges in integrating Generative AI, this paper provides valuable insights and recommendations for practitioners and researchers. It underscores the need for ongoing advancements and targeted development efforts to overcome existing hurdles and fully leverage AI's capabilities. The findings further show that with continued innovation and careful implementation, Generative AI has the potential to significantly enhance the efficiency, effectiveness, and reliability of software testing, particularly in the rapidly evolving field of IoT testing.
- Abstract（参考訳）: 本稿では、現在のソフトウェアテストシステムについて検討し、人工知能、特にジェネレーティブAIをどのように統合してこれらのシステムを強化するかを検討する。
まず、さまざまなタイプのAIシステムを調べ、テストカバレッジを改善し、効率を向上し、コストを削減することによって、ソフトウェアテストプロセスを変革するGenerative AIの可能性に焦点を当てる。
この研究は、ソフトウェアテストにおけるAIの現在の応用に関する包括的概要を提供し、テストケースの生成や検証といった分野におけるその重要な貢献を強調している。
広範な文献の再レビューを通じて、Generative AIがこれらのプロセスを合理化して、より堅牢で徹底的なテスト結果をもたらす方法を強調している。
また,素早い工学や微調整など,ジェネレーティブAIシステムの効率化手法についても検討した。
さらに、入力生成、オラクル生成、データ生成、テストデータ生成、テストケース優先順位付けなど、特定のタスクにおけるAIの使用についても検討している。
本稿では、現在の状況を分析し、ジェネレーティブAIの統合における機会と課題の両方を識別することによって、実践者や研究者に貴重な洞察とレコメンデーションを提供する。
これは、進行中の進歩の必要性と、既存のハードルを克服し、AIの機能を完全に活用するための開発努力の目標を明確に示している。
この結果は、継続的なイノベーションと慎重に実装することで、生成AIは、特に急速に進化するIoTテスト分野において、ソフトウェアテストの効率、有効性、信頼性を大幅に向上する可能性があることを示している。
関連論文リスト
- Let the Barbarians In: How AI Can Accelerate Systems Performance Research [80.43506848683633]
我々は、この繰り返しサイクルを、AI駆動システム研究の生成、評価、洗練のサイクルと呼ぶ。
我々はADRSが生成するソリューションが人間の最先端の設計に適合し、さらに優れることを示した。
論文 参考訳（メタデータ） (2025-12-16T18:51:23Z) - How Students Use Generative AI for Software Testing: An Observational Study [3.2402950370430497]
本研究では、初心者ソフトウェア開発者がエンジニアリングユニットテストのために生成AIとどのように相互作用するかを検討する。
我々は,テストアイデアとテスト実装が生成AIに由来するか,参加者によって定義された4つのインタラクション戦略を特定した。
学生は、時間節約、認知負荷の低減、テスト思考のサポートなどの利点を報告したが、信頼の低下、テスト品質の懸念、所有権の欠如といった欠点も指摘した。
論文 参考訳（メタデータ） (2025-10-12T11:31:41Z) - Barbarians at the Gate: How AI is Upending Systems Research [58.95406995634148]
システム研究は、新しいパフォーマンス指向アルゴリズムの設計と評価に長年注力してきたが、AI駆動のソリューション発見には特に適している、と私たちは主張する。
このアプローチをAI駆動システム研究(ADRS)と呼び、ソリューションを反復的に生成し、評価し、洗練する。
我々の研究結果は、AI時代のシステム研究の実践に急激な適応の必要性と破壊的な可能性を浮き彫りにしている。
論文 参考訳（メタデータ） (2025-10-07T17:49:24Z) - AI-Driven Automation Can Become the Foundation of Next-Era Science of Science Research [58.944125758758936]
科学科学(Science of Science, SoS)は、科学的発見の基礎となるメカニズムを探求する。
人工知能(AI)の出現は、次世代のSoSに変革の機会をもたらす。
我々は、従来の手法よりもAIの利点を概説し、潜在的な制限について議論し、それらを克服するための経路を提案する。
論文 参考訳（メタデータ） (2025-05-17T15:01:33Z) - Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。
AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。
この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
論文 参考訳（メタデータ） (2025-05-03T13:55:38Z) - Generative AI in Health Economics and Outcomes Research: A Taxonomy of Key Definitions and Emerging Applications, an ISPOR Working Group Report [12.204470166456561]
ジェネレーティブAIは、健康経済学と成果研究(HEOR)において大きな可能性を秘めている
生成AIは、HEORに大きな可能性を示し、効率性、生産性を高め、複雑な課題に対する新しいソリューションを提供する。
ファウンデーションモデルは複雑なタスクを自動化する上で有望だが、科学的信頼性、バイアス、解釈可能性、ワークフローの統合には課題が残っている。
論文 参考訳（メタデータ） (2024-10-26T15:42:50Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - The Future of Software Testing: AI-Powered Test Case Generation and Validation [0.0]
本稿では、テストケースの生成と検証を改善する上で、AIが持つ変革の可能性について考察する。
テストプロセスの効率性、正確性、スケーラビリティを高める能力に重点を置いている。
また、高品質なトレーニングデータの必要性など、テストにAIを適用する際の重要な課題にも対処している。
論文 参考訳（メタデータ） (2024-09-09T17:12:40Z) - The Role of Artificial Intelligence and Machine Learning in Software Testing [0.14896196009851972]
人工知能(AI)と機械学習(ML)は様々な産業に大きな影響を与えている。
ソフトウェア開発ライフサイクル(SDLC)の重要な部分であるソフトウェアテストは、ソフトウェア製品の品質と信頼性を保証する。
本稿では、既存の文献をレビューし、現在のツールや技術を分析し、ケーススタディを提示することで、ソフトウェアテストにおけるAIとMLの役割について考察する。
論文 参考訳（メタデータ） (2024-09-04T13:25:13Z) - Testing autonomous vehicles and AI: perspectives and challenges from cybersecurity, transparency, robustness and fairness [53.91018508439669]
この研究は、人工知能を自律走行車(AV)に統合する複雑さを探求する
AIコンポーネントがもたらした課題と、テスト手順への影響を調べます。
本稿は、重要な課題を特定し、AV技術におけるAIの研究・開発に向けた今後の方向性を提案する。
論文 参考訳（メタデータ） (2024-02-21T08:29:42Z) - Software Testing of Generative AI Systems: Challenges and Opportunities [5.634825161148484]
生成的AIシステムによってもたらされる課題について検討し、テスト分野における将来の研究機会について論じる。
従来のテスト技術が不十分あるいは不十分なGenAIシステムの特徴について触れます。
論文 参考訳（メタデータ） (2023-09-07T08:35:49Z)
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。