論文の概要: QUTest: A Native Testing Framework for Quantum Programs

• arxiv url: http://arxiv.org/abs/2605.19736v1
• Date: Tue, 19 May 2026 12:09:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.317904
• Title: QUTest: A Native Testing Framework for Quantum Programs
• Title（参考訳）: QUTest: 量子プログラムのためのネイティブテスティングフレームワーク
• Authors: José Campos,
• Abstract要約: 量子プログラムはしばしばOpenQASM 3回路として共有されるが、テストはPythonやQiskitのようなホスト言語で書かれている。 QUTestは、プログラムとテストの両方が標準.qasmファイルであるネイティブフレームワークである。 テストはArrange / Act / Assertパターンに従い、コンフィギュレーション、ランタイム要件、アサーションはプラグマコメントとしてエンコードされる。
• 参考スコア（独自算出の注目度）: 4.034061016269666
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum programs are often shared as OpenQASM 3 circuits, but tests are still written in host languages such as Python with Qiskit. We present QUTest, a native framework in which both programs and tests are standard .qasm files. Tests follow the Arrange / Act / Assert pattern, while configuration, runtime requirements, and assertions are encoded as pragma comments (//%), preserving compatibility with existing OpenQASM tools. QUTest provides 12 assertion types spanning deterministic, statistical, quantum-state, and structural checks, plus a linter and an environment-aware mode for running the same test across selected runtime versions in isolated environments. Its CLI supports automatic test discovery, runtime compatibility checks, and XML reports for continuous integration. We describe the pragma language, implementation, and a planned evaluation using coverage and mutation testing. QUTest is available at https://github.com/QBugs/qutest. Video demo: https://youtu.be/FvgvsiAXuW0.
• Abstract（参考訳）: 量子プログラムはしばしばOpenQASM 3回路として共有されるが、テストはPythonやQiskitのようなホスト言語で書かれている。 QUTestは、プログラムとテストの両方が標準となるネイティブフレームワークです。 カズムファイル テストはArrange / Act / Assertパターンに従い、構成、ランタイム要件、アサーションはプラグマコメント(//%)としてエンコードされ、既存のOpenQASMツールとの互換性を保つ。 QUTestは、決定論的、統計的、量子状態、構造チェックにまたがる12のアサーションタイプに加えて、独立した環境で選択されたランタイムバージョン間で同じテストを実行するためのlinterと環境認識モードを提供する。 CLIは自動テスト検出、ランタイム互換性チェック、継続的インテグレーションのためのXMLレポートをサポートする。 本報告では, プラグマ言語, 実装, および, カバレッジと突然変異検査による評価について述べる。 QUTestはhttps://github.com/QBugs/qutest.comから入手できる。 ビデオデモ: https://youtu.be/FvgvsiAXuW0.com

関連論文リスト

• WebTestBench: Evaluating Computer-Use Agents towards End-to-End Automated Web Testing [57.7131457251794]
  エンドツーエンドの自動Webテストを評価するベンチマークであるWebTestBenchを紹介します。 テストプロセスを2つのカスケードサブタスク、チェックリストの生成と欠陥検出に分解し、WebTesterを提案する。 以上の結果から,現在のコンピュータ利用エージェント能力と産業レベルの展開要求との間に大きなギャップがあることが判明した。
  論文  参考訳（メタデータ） (2026-03-26T09:27:29Z)
• Protocol Testing with I/O Grammars [45.68497486907946]
  本稿では,単一フレームワークにおける入力生成と出力チェックを組み合わせた新しいプロトコルテスト手法を提案する。 我々は、I/O文法が、テスト中のプログラムの出力検証を可能にするとともに、高度なプロトコルの特徴を正しく、完全に指定できることを実証する。
  論文  参考訳（メタデータ） (2025-09-24T16:41:04Z)
• Rethinking Testing for LLM Applications: Characteristics, Challenges, and a Lightweight Interaction Protocol [83.83217247686402]
  大言語モデル(LLM)は、単純なテキストジェネレータから、検索強化、ツール呼び出し、マルチターンインタラクションを統合する複雑なソフトウェアシステムへと進化してきた。 その固有の非決定主義、ダイナミズム、文脈依存は品質保証に根本的な課題をもたらす。 本稿では,LLMアプリケーションを3層アーキテクチャに分解する: textbftextitSystem Shell Layer, textbftextitPrompt Orchestration Layer, textbftextitLLM Inference Core。
  論文  参考訳（メタデータ） (2025-08-28T13:00:28Z)
• Unify and Triumph: Polyglot, Diverse, and Self-Consistent Generation of Unit Tests with LLMs [5.366354612549172]
  PolyTestは、ポリグロットと温度制御の多様性を活用することによって、テスト生成を強化する新しいアプローチである。 PolyTestは、テストセットを統一し、自己整合を育み、全体的なテスト品質を改善することで、一貫性を緩和する。
  論文  参考訳（メタデータ） (2025-03-20T13:47:06Z)
• ProjectTest: A Project-level LLM Unit Test Generation Benchmark and Impact of Error Fixing Mechanisms [48.43237545197775]
  単体テスト生成はLLMの有望かつ重要なユースケースとなっている。 ProjectTestは、Python、Java、JavaScriptをカバーするユニットテスト生成のためのプロジェクトレベルのベンチマークである。
  論文  参考訳（メタデータ） (2025-02-10T15:24:30Z)
• Commit0: Library Generation from Scratch [77.38414688148006]
  Commit0は、AIエージェントにスクラッチからライブラリを書くよう促すベンチマークである。 エージェントには、ライブラリのAPIを概説する仕様文書と、インタラクティブなユニットテストスイートが提供されている。 Commit0はまた、モデルが生成したコードに対して静的解析と実行フィードバックを受け取る、インタラクティブな環境も提供する。
  論文  参考訳（メタデータ） (2024-12-02T18:11:30Z)
• ASTER: Natural and Multi-language Unit Test Generation with LLMs [6.259245181881262]
  静的解析を組み込んだジェネリックパイプラインを記述し,コンパイル可能な高カバレッジテストケースの生成においてLCMをガイドする。 コードカバレッジとテスト自然性の観点から,生成したテストの品質を評価するための実証的研究を行った。
  論文  参考訳（メタデータ） (2024-09-04T21:46:18Z)
• TESTEVAL: Benchmarking Large Language Models for Test Case Generation [15.343859279282848]
  大規模言語モデル(LLM)を用いたテストケース生成のための新しいベンチマークであるTESTEVALを提案する。 オンラインプログラミングプラットフォームLeetCodeから210のPythonプログラムを収集し、全体的なカバレッジ、ターゲットライン/ブランチカバレッジ、ターゲットパスカバレッジという3つの異なるタスクを設計します。 特定のプログラム行/ブランチ/パスをカバーするテストケースを生成することは、現在のLLMでは依然として困難である。
  論文  参考訳（メタデータ） (2024-06-06T22:07:50Z)
• pytest-inline: An Inline Testing Tool for Python [10.307253336106053]
  pytest-inlineはPythonテストフレームワークpytestのプラグインである。 pytest-inlineは各インラインテストを実行し、ターゲットステートメントの出力が期待する出力と一致しない場合はフェールする。 pytest-inlineはpytest-devの組織に統合される。
  論文  参考訳（メタデータ） (2023-05-22T20:58:44Z)
• DUAL: Textless Spoken Question Answering with Speech Discrete Unit Adaptive Learning [66.71308154398176]
  SQA (Spken Question Answering) は近年注目され, 目覚ましい進歩を遂げている。 既存のSQA手法は、収集に時間と費用がかかる自動音声認識(ASR)の転写に依存している。 本研究は,未ラベルのデータを事前学習に活用し,SQAダウンストリームタスクによって微調整される離散単位適応学習(DUAL)という,ASR transcript-free SQAフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-09T17:46:22Z)

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。