論文の概要: IntentTester: Intent-Driven Multi-agent Framework for Cross-Library Test Migration
- arxiv url: http://arxiv.org/abs/2606.25588v1
- Date: Wed, 24 Jun 2026 08:59:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.285983
- Title: IntentTester: Intent-Driven Multi-agent Framework for Cross-Library Test Migration
- Title（参考訳）: IntentTester: クロスライブラリテストマイグレーションのためのインテント駆動型マルチエージェントフレームワーク
- Abstract要約: IntentTesterは意図駆動テストの再利用のためのフレームワークです。
IntentTesterは3つのドメイン(JSON、HTML、Time)と2つの言語(JavaとPython)にわたる9つのオープンソースプロジェクトで評価します。
- 参考スコア（独自算出の注目度）: 14.0813614333238
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Unit tests capture both functional checks and domain-specific knowledge, but this knowledge remains locked within individual projects and is rarely reused across libraries with overlapping functionality. Existing migration techniques based on structural code mappings (e.g., API signatures) often break down under divergent designs or cross-language settings, resulting in non-executable migrated tests. In this paper, we present IntentTester, a multi-agent framework for intent-driven test reuse. Instead of translating raw code, IntentTester abstracts tests into a language-agnostic Test Description Language (TDL), aligns them with semantically related entities and dependencies in a repository graph, and synthesizes executable tests through LLM-guided reasoning and iterative validation. This design enables cross-library and cross-language migration without manual intervention, producing migrated tests that existing structure-mapping approaches cannot achieve. We evaluate IntentTester on nine open-source projects across three domains (JSON, HTML, and Time) and two languages (Java and Python). IntentTester generates 2,776 syntactically correct tests with 85\% correctness; in comparison, the two baselines achieve 51\% and 43\%. Among them, 2,410 tests executed successfully, yielding a 74\% effectiveness rate. Beyond higher success rates, IntentTester also surfaced previously unknown defects including stack overflows, null dereferences, and parsing inconsistencies, several of which have been acknowledged or patched by maintainers. Our results show that intent-driven migration shifts the focus from code mappings to semantic alignment, allowing practical cross-library and cross-language test reuse while improving test quality and exposing implementation flaws.
- Abstract（参考訳）: 単体テストは機能チェックとドメイン固有の知識の両方をキャプチャしますが、この知識は個々のプロジェクト内にロックされ、重複する機能を持つライブラリ間で再利用されることはめったにありません。
構造的なコードマッピング(APIシグネチャなど)に基づく既存のマイグレーションテクニックは、散在する設計や言語間設定でしばしば分解されるため、実行不可能な移行テストが発生する。
本稿では,意図駆動型テスト再利用のためのマルチエージェントフレームワークであるIntentTesterを提案する。
生のコードを翻訳する代わりに、IntentTesterはテストを言語に依存しないテスト記述言語(TDL)に抽象化し、それらをリポジトリグラフ内の意味的に関連するエンティティや依存性と整合させ、LLM誘導の推論と反復検証を通じて実行可能なテストを合成する。
この設計は、手動で介入することなく、ライブラリ間および言語間の移行を可能にし、既存の構造マッピングアプローチでは達成できない移行テストを生成する。
IntentTesterは3つのドメイン(JSON、HTML、Time)と2つの言語(JavaとPython)にわたる9つのオープンソースプロジェクトで評価します。
IntentTesterは、85\%の正確さで2,776の構文的に正しいテストを生成する。
そのうち2,410テストは成功し、有効率は74\%となった。
高い成功率に加えて、IntentTesterはスタックオーバーフロー、nullの参照、不整合のパースなど、これまで未知の欠陥も浮上した。
コードマッピングからセマンティックアライメントへと焦点を移すことで,テスト品質の向上と実装上の欠陥の顕在化を実現した。
関連論文リスト
- ExecCritic: Learn to Test, Test to Improve for Coding Agents [68.42713285082912]
実行時のフィードバックは、コーディングエージェントを正しいリポジトリの修復に導くことができますが、テストが問題によって要求された振る舞いをキャプチャした場合のみです。
ExecCriticを導入し、テスト-検証-修正足場と、その中のトレーニングエージェントのためのロール固有の強化学習レシピを組み合わせる。
テストエージェントが独立してリポジトリネイティブなテストを生成し、フェイルクローズされたハーネスがそれらを調整して凍結し、リカバリエージェントがテストを変更することなく、ソースコードを実行フィードバックから修正する。
論文 参考訳（メタデータ） (2026-09-08T17:53:37Z) - The Polyglot's Dilemma: Conformance Testing a Dozen Specs in as Many Languages [0.0]
MongoDBは12のプログラミング言語でクライアントライブラリを維持している。
11年以上にわたって、私たちは仕様ベースのテストアプローチを開発しました。
多くのアドホックフォーマットから統一テストフォーマットへの進化について述べる。
論文 参考訳（メタデータ） (2026-08-18T17:32:47Z) - SemaDiff: Identifying Semantic-Changing Commits with Generated Code and Tests [5.3138104073306005]
変更点からのセマンティック保存コミットの排除は、ソフトウェアリポジトリのマイニングにおいて、依然としてオープンな課題である。
SemaDiffは、プレコミットとポストコミットバージョンでの同様のテスト実行の比較を通じて、セマンティック保存コミットを特定するための新しいアプローチである。
SemaDiffは、セマンティックな保存と -- 約76%のケースでコミットを変更する -- を正確に区別し、セマンティックなコミット検出の精度は100%である。
論文 参考訳（メタデータ） (2026-07-14T12:23:22Z) - The Unlearning Mirage: A Dynamic Framework for Evaluating LLM Unlearning [54.67958855362658]
複雑な構造化クエリを用いたアンラーニングテストを強調する動的フレームワークを提案する。
提案手法はまず,対象モデル(事前学習)から知識を抽出し,単純なクエリからマルチホップチェーンまで,対象プローブを構築する。
本フレームワークは,テストセットを手作業で構築することなく,非学習手法の実用的でスケーラブルな評価を可能にする。
論文 参考訳（メタデータ） (2026-03-11T19:51:33Z) - Testing Framework Migration with Large Language Models [0.29332247106953097]
Python開発者は、textttunittestとtextttPytestの2つの主要なテストフレームワークに依存している。
我々は、textttunittest から textttPytest へのテストフレームワークのマイグレーションを自動化するLarge Language Models (LLMs) の機能について検討する。
論文 参考訳（メタデータ） (2026-02-03T01:04:09Z) - Intention-Driven Generation of Project-Specific Test Cases [45.2380093475221]
検証意図の記述からプロジェクト固有のテストを生成するIntentionTestを提案する。
13のオープンソースプロジェクトから4,146件のテストケースで,最先端のベースライン(DA, ChatTester, EvoSuite)に対してIntentionTestを広範囲に評価した。
論文 参考訳（メタデータ） (2025-07-28T08:35:04Z) - 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) - DiffSpec: Differential Testing with LLMs using Natural Language Specifications and Code Artifacts [7.019166148885954]
本稿では,プロンプト連鎖を用いた差分テストを生成するフレームワークであるDiffSpecを紹介する。
DiffSpecの2つの異なる(大規模にテストされた)システム、eBPFランタイム、Wasmバリデータに対する有効性を示す。
論文 参考訳（メタデータ） (2024-10-05T18:11:14Z) - Zero-Shot Cross-lingual Semantic Parsing [56.95036511882921]
7つのテスト言語に対する並列データを持たないゼロショット問題として,言語間セマンティックパーシングについて検討した。
英文論理形式ペアデータのみを用いて解析知識を付加言語に転送するマルチタスクエンコーダデコーダモデルを提案する。
このシステムは、ゼロショット解析を潜時空間アライメント問題としてフレーム化し、事前訓練されたモデルを改善し、最小のクロスリンガル転送ペナルティで論理形式を生成することができる。
論文 参考訳（メタデータ） (2021-04-15T16:08:43Z)
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。