論文の概要: Intent-Based Mutation Testing: From Naturally Written Programming Intents to Mutants

• arxiv url: http://arxiv.org/abs/2607.05149v1
• Date: Mon, 06 Jul 2026 14:30:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.192608
• Title: Intent-Based Mutation Testing: From Naturally Written Programming Intents to Mutants
• Title（参考訳）: インテントベースのミューテーションテスト:自然に記述されたプログラミングインテントからミュータントへ
• Abstract要約: インテントベースの突然変異テストは、テスト中のプログラムで実装されるプログラミングインテントを変更することで突然変異を生成する。 本研究では,Large Language Models (LLMs) を用いたインテントベースの突然変異テストを実施し,プログラムの意図を変異させて変異体に変換する。 我々は29のプログラムにおいて意図に基づく突然変異を評価し、構文的に複雑で、意味的に多様で、従来の突然変異とはかなり異なる突然変異を生成することを示した。
• 参考スコア（独自算出の注目度）: 5.317864735982288
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents intent-based mutation testing, a testing approach that generates mutations by changing the programming intents that are implemented in the programs under test. In contrast to traditional mutation testing, which changes (mutates) the way programs are written, intent mutation changes (mutates) the behavior of the programs by producing mutations that implement (slightly) different intents than those implemented in the original program. The mutations of the programming intents represent possible corner cases and misunderstandings of the program behavior, i.e., program specifications, and thus can capture different classes of faults than traditional (syntax-based) mutation. Moreover, since programming intents can be implemented in different ways, intent-based mutation testing can generate diverse and complex mutations that are close to the original programming intents (specifications) and thus direct testing towards the intent variants of the program behavior/specifications. We implement intent-based mutation testing using Large Language Models (LLMs) that mutate programming intents and transform them into mutants. We evaluate intent-based mutation on 29 programs and show that it generates mutations that are syntactically complex, semantically diverse, and quite different (semantically) from the traditional ones. We also show that 55% of the intent-based mutations are not subsumed by traditional mutations. Overall, our analysis shows that intent-based mutation testing can be a powerful complement to traditional (syntax-based) mutation testing.
• Abstract（参考訳）: 本稿では,プログラムのプログラムに実装されるプログラミング意図を変更することで,突然変異を生成するテスト手法であるインテントベースの突然変異テストを提案する。 プログラムの書き方を変える(変更する)伝統的な突然変異テストとは対照的に、意図的突然変異は、元のプログラムで実装されたものとは異なる意図を(わずかに)実装することによってプログラムの振る舞いを変える(変更する)。 プログラム意図の突然変異は、プログラムの動作のコーナーケースや誤解、すなわちプログラム仕様を表現し、従来の(構文に基づく)突然変異とは異なるフォールトクラスをキャプチャすることができる。 さらに、プログラミング意図を異なる方法で実装できるため、インテントベースの突然変異テストは、オリジナルのプログラミング意図(仕様)に近い多様で複雑な突然変異を生成し、プログラムの振る舞い/仕様のインテント変種に向けて直接テストすることができる。 本研究では,Large Language Models (LLMs) を用いたインテントベースの突然変異テストを実施し,プログラムの意図を変異させて変異体に変換する。 我々は29のプログラムにおいて意図に基づく突然変異を評価し、構文的に複雑で、意味的に多様で、従来の突然変異とはかなり異なる突然変異を生成することを示した。 また、意図に基づく突然変異の55%が従来の突然変異によるものではないことも示している。 全体として、本研究では、意図に基づく突然変異検査が従来の(構文に基づく)突然変異検査の強力な補完となることを示唆している。

関連論文リスト

• Round-Trip Mutation Testing: Translating Code to Natural Language Intent and back [5.4804081616439975]
  本稿では,ラウンド・トリップ・ミューテーション・テスト(RTM)について述べる。 RTMは、プログラムコードとその意図の間のLLMの誤訳から突然変異を生成する。 本研究は, より多種多様な変異体を生産するラウンドトリップ変異試験の可能性を示すものである。
  論文  参考訳（メタデータ） (2026-07-03T11:35:58Z)
• Transducing Language Models [52.080921891265255]
  決定論的文字列から文字列への変換から導かれる言語モデルのためのフレームワークを提案する。 本研究では,FSTを用いた言語モデルを構成するアルゴリズムを開発した。 本稿では,正確なアルゴリズム,効率的な近似,理論的解析について述べる。
  論文  参考訳（メタデータ） (2026-03-05T14:04:08Z)
• METFORD -- Mutation tEsTing Framework fOR anDroid [0.0]
  この研究は、Androidの突然変異検査コストの削減に寄与することを目的としている。 突然変異テスト演算子を変異スキーマに従って実装する。 追加の突然変異演算子はJavaScriptで実装でき、フレームワークに簡単に統合できる。
  論文  参考訳（メタデータ） (2025-01-06T09:36:57Z)
• MMT: Mutation Testing of Java Bytecode with Model Transformation -- An Illustrative Demonstration [0.11470070927586014]
  突然変異テストは、テストスイートの堅牢性をチェックするアプローチである。 本稿では,Javaバイトコードの変異をモデル変換によって柔軟に定義できるモデル駆動型アプローチを提案する。 MMTと呼ばれるツールは、オブジェクト指向構造を変更するための高度な突然変異演算子によって拡張されている。
  論文  参考訳（メタデータ） (2024-04-22T11:33:21Z)
• 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)
• Learning Transformer Programs [78.9509560355733]
  設計によって機械的に解釈可能なトランスフォーマーの訓練手順を導入する。 人書きプログラムをTransformerにコンパイルする代わりに、勾配に基づく最適化を用いてトレーニングできる改良されたTransformerを設計する。 Transformer Programsは適切なソリューションを自動的に見つけ、同等のサイズの標準のTransformerと同等に動作する。
  論文  参考訳（メタデータ） (2023-06-01T20:27:01Z)
• Self-Supervised Learning for Group Equivariant Neural Networks [75.62232699377877]
  群同変ニューラルネットワーク(英: Group equivariant Neural Network)は、入力の変換で通勤する構造に制限されたモデルである。 自己教師型タスクには、同変プリテキストラベルと異変コントラスト損失という2つの概念を提案する。 標準画像認識ベンチマークの実験では、同変ニューラルネットワークが提案された自己教師型タスクを利用することを示した。
  論文  参考訳（メタデータ） (2023-03-08T08:11:26Z)
• Composed Variational Natural Language Generation for Few-shot Intents [118.37774762596123]
  現実的な不均衡シナリオにおいて、数ショットのインテントに対するトレーニング例を生成します。 生成した発話の質を評価するために、一般化された複数ショット意図検出タスクについて実験を行った。 提案モデルでは,2つの実世界の意図検出データセットに対して,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-09-21T17:48:43Z)

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。