論文の概要: Flaky Test Recognition when Testing CPSs Using Hybrid Models
- arxiv url: http://arxiv.org/abs/2608.06535v1
- Date: Thu, 06 Aug 2026 19:39:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.275938
- Title: Flaky Test Recognition when Testing CPSs Using Hybrid Models
- Title（参考訳）: ハイブリッドモデルを用いたCPS試験時のフレキシブルテスト認識
- Abstract要約: Cyber-Physical Systems (CPS) には、シンプルなサーモスタットシステムから自律運転システム、医療機器まで、多くの応用がある。
CPSは通常、様々な予期せぬ事象が彼らの行動に影響を与える不確実な環境で機能する。
これらのイベントとタイミングと同期インシデントは、様々な/異なるCPS動作を引き起こし、CPSが何らかの条件下でテストに合格し、他の条件下で失敗する可能性がある。
テストケースが不安定な場合、テスト結果は信頼できない。より信頼性の高いテスト結果を達成するために、エンジニアは不安定なテストケースを認識して削除しようとする。
- 参考スコア（独自算出の注目度）: 0.5161531917413708
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Cyber-Physical Systems (CPSs) have many applications, ranging from simple thermostat systems to autonomous driving systems and medical devices. Like all systems, they need to function correctly. To this end, validation techniques such as testing that can effectively reveal faults are required. Also, CPSs usually operate in uncertain environments where various expected/unexpected events can affect their behaviors. These events together with timing and synchronization incidents may result in various/different CPS behaviors and may cause a CPS to pass a test under some conditions and fail it under others. Such test cases are called ``flaky'' test cases and we call the conditions that are responsible for them ``flaky conditions'' and call these behaviors ``flaky behaviors''. When test cases are flaky, testing results are unreliable. To achieve more reliable test results, engineers may attempt to recognize flaky test cases and remove them. In this work, beginning with a test case generation and execution technique called HyTest that we created previously, we integrate TReVa, a new technique that validates testing results provided by HyTest and FlaRe, a new technique that recognizes flaky test cases and flaky conditions using hybrid models during the early stages of CPS development in just one additional round of testing. We present the results of an empirical study evaluating the effectiveness of our new approach (which we call HyTestTF). Our results show that correctly differentiate flaky test cases from non-flaky test cases
- Abstract（参考訳）: Cyber-Physical Systems (CPS) には、シンプルなサーモスタットシステムから自律運転システム、医療機器まで、多くの応用がある。
他のシステムと同様に、正しく機能する必要がある。
この目的のためには、効果的に障害を明らかにするテストのような検証技術が必要である。
また、CPSは通常、様々な予期しない事象が彼らの行動に影響を与える不確実な環境で機能する。
これらのイベントとタイミングと同期インシデントは、様々な/異なるCPS動作を引き起こし、CPSが何らかの条件下でテストに合格し、他の条件下で失敗する可能性がある。
このようなテストケースを `flaky' テストケースと呼び、それらに責任を持つ条件を `flaky conditions' と呼び、これらの振る舞いを `flaky behaviors' と呼ぶ。
テストケースが不安定な場合、テスト結果は信頼できない。
より信頼性の高いテスト結果を達成するために、エンジニアは不安定なテストケースを認識して削除しようとする。
この作業では、以前開発したHyTestと呼ばれるテストケースの生成と実行のテクニックから始まり、HyTestとFraReが提供するテスト結果を検証する新しいテクニックであるTReVaを統合します。
我々は,新しいアプローチ(HyTestTF)の有効性を評価する実証的研究の結果を報告する。
以上より, 難燃性検査症例と非難燃性検査例とを正しく区別できることが示唆された。
関連論文リスト
- Delta Debugging for Cyber-Physical Systems with Flaky Test Executions [11.706481833926818]
シミュレーションに基づくテストはサイバー物理システム(CPS)の検証に広く用いられている
現代のCPSシミュレータは、しばしば非決定的(不安定な)振る舞いを示し、失敗を再現とデバッグが困難にしている。
本稿では, 統計的故障解析, 繰り返し実行, 環境認識の低減を組み合わせ, 最小限の故障発生テストインプットを分離する3つのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2026-07-28T13:14:39Z) - Automated Test Oracles for Flaky Cyber-Physical System Simulators: Approach and Evaluation [1.5821080783312833]
サイバー物理システム(CPS)のシミュレーションベースのテストは、CPSシミュレータの実行に時間を要するためコストがかかる。
CPSシミュレータは不安定で、一貫性のないテスト結果をもたらし、信頼性のあるテスト検証のために繰り返しテストを再実行する必要がある。
本稿では,テスト対象システムの入力上に定義された論理的および算術的述語集合として,CPSのアサーションに基づくテストオラクルを提案する。
論文 参考訳（メタデータ） (2025-08-28T15:33:42Z) - Do Test and Environmental Complexity Increase Flakiness? An Empirical Study of SAP HANA [47.29324864511411]
不安定なテストはコードの変更なしにランダムに失敗する。
テストの特徴と,テストのフレキネスに影響を与える可能性のあるテスト環境について検討する。
論文 参考訳（メタデータ） (2024-09-16T07:52:09Z) - Context-Aware Fuzzing for Robustness Enhancement of Deep Learning Models [3.4790378315775348]
我々は、コンテキスト信頼(CC)と呼ばれる新しいテスト指標を提案する。
CCは、テストケースの予測ラベルに予測される平均確率の観点から、テストケースの周囲のサンプルを通してテストケースを測定する。
Cloverは、これらのペアのシードとテストケースの差分を計算する。
論文 参考訳（メタデータ） (2024-07-17T09:31:10Z) - GPT-HateCheck: Can LLMs Write Better Functional Tests for Hate Speech Detection? [50.53312866647302]
HateCheckは、合成データに対してきめ細かいモデル機能をテストするスイートである。
GPT-HateCheckは,スクラッチからより多彩で現実的な機能テストを生成するフレームワークである。
クラウドソースのアノテーションは、生成されたテストケースが高品質であることを示しています。
論文 参考訳（メタデータ） (2024-02-23T10:02:01Z) - Taming Timeout Flakiness: An Empirical Study of SAP HANA [47.29324864511411]
不安定なテストは回帰テストに悪影響を及ぼします。
テストタイムアウトは、このような不安定なテストの失敗に寄与する要因のひとつです。
テストのフレキネス率は、繰り返しテストの実行回数によって49%から70%の範囲である。
論文 参考訳（メタデータ） (2024-02-07T20:01:41Z) - Test Case Generation and Test Oracle Support for Testing CPSs using
Hybrid Models [2.6166087473624313]
サイバー物理システム(CPS)は、幅広い自律物理システムの振る舞いにおいて中心的な役割を果たす。
CPSはしばしば、シミュレーションシステムを介してテストできる異なるレベルのモデルのシーケンスとして反復的に指定される。
そのようなモデルの1つはハイブリッドオートマトンであり、これらはCPSアプリケーションで頻繁に使用され、連続したCPS動作と離散的なCPS動作の両方をカプセル化する利点がある。
論文 参考訳（メタデータ） (2023-09-14T19:08:09Z) - Sequential Kernelized Independence Testing [77.237958592189]
我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。
シミュレーションデータと実データの両方にアプローチのパワーを実証する。
論文 参考訳（メタデータ） (2022-12-14T18:08:42Z) - Efficient Test-Time Model Adaptation without Forgetting [60.36499845014649]
テストタイム適応は、トレーニングとテストデータの間の潜在的な分散シフトに取り組むことを目指している。
信頼性および非冗長なサンプルを同定するためのアクティブなサンプル選択基準を提案する。
また、重要なモデルパラメータを劇的な変化から制約するFisher regularizerを導入します。
論文 参考訳（メタデータ） (2022-04-06T06:39:40Z) - Noisy Adaptive Group Testing using Bayesian Sequential Experimental
Design [63.48989885374238]
病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。
本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
論文 参考訳（メタデータ） (2020-04-26T23:41:33Z) - Dynamic Causal Effects Evaluation in A/B Testing with a Reinforcement
Learning Framework [68.96770035057716]
A/Bテスト(A/B Testing)は、新しい製品を製薬、技術、伝統産業の古い製品と比較するビジネス戦略である。
本稿では,オンライン実験においてA/Bテストを実施するための強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-05T10:25:02Z)
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。