論文の概要: GTDD: Generative Test-Driven Development for AI Coding Agents with Adversarial Testing

• arxiv url: http://arxiv.org/abs/2610.02952v1
• Date: Fri, 02 Oct 2026 07:45:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.257706
• Title: GTDD: Generative Test-Driven Development for AI Coding Agents with Adversarial Testing
• Title（参考訳）: GTDD: 逆行テストを備えたAIコーディングエージェントのためのジェネレーティブなテスト駆動開発
• Abstract要約: テスト駆動開発は、ソフトウェアを実装するためのAIコーディングエージェントの実行要件を提供する。 本稿では、個別のテストエージェントが各候補の実装が固定された後に新しいインプットを生成するテスト駆動開発を定式化した、ジェネレーティブテスト駆動開発(GTDD)を提案する。 信頼評価器はこれらの入力をチェックし、縮小された反例をコーディングエージェントに返却し、回帰テストのために保存する。
• 参考スコア（独自算出の注目度）: 6.44705221140412
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Test-driven development gives AI coding agents executable requirements for implementing software. Because these agents can adapt their implementations to the examples they observe, passing a predetermined collection of tests can leave substantial parts of the intended behavior unimplemented. We propose Generative Test-Driven Development (GTDD), a formulation of test-driven development in which a separate testing agent generates new inputs after each candidate implementation is fixed, using a human-specified behavioral contract and the feedback from earlier rounds. A trusted evaluator checks these inputs, returns reduced counterexamples to the coding agent, and saves them for regression testing, so development continually confronts failures beyond the initial examples. We characterize the evidence that this process provides through a finite-population analysis of false acceptance under adaptive candidate selection. The resulting bounds quantify how test visibility and repeated feedback affect acceptance, and show that fresh random audits after candidate commitment control false acceptance across development rounds. In a paired experiment on a stateful key-value store, both policies that regenerated tests during development ended with lower mean failure rates than the policy whose tests were generated once by the same language model, and giving the tester the candidate's source produced no detectable additional improvement. Further conditions requesting equal numbers of tests did not isolate any single feature of the policies as the source of this difference. GTDD combines this adaptive development feedback with established regression tests and an independent acceptance rule.
• Abstract（参考訳）: テスト駆動開発は、ソフトウェアを実装するためのAIコーディングエージェントの実行要件を提供する。 これらのエージェントは、観察する例に実装を適用することができるため、所定のテストのコレクションを渡すことで、意図した振る舞いのかなりの部分を実装せずに残すことができる。 我々は,テスト駆動開発(GTDD)の定式化として,個別のテストエージェントが,各候補の実装が固定された後に新たなインプットを生成する,テスト駆動開発(GTDD)を提案する。 信頼された評価者はこれらのインプットをチェックし、コードエージェントに反例を還元し、回帰テストに保存する。 適応候補選択下での偽受け入れの有限個体群解析により、このプロセスがもたらす証拠を特徴付ける。 結果のバウンダリは、テストの可視性と繰り返しのフィードバックが受け入れにどのように影響するかを定量化し、候補のコミット後の新しいランダム監査が開発ラウンド全体にわたって偽の受け入れを制御することを示す。 ステートフルなキーバリューストアでのペア実験では、開発期間中にテストを再生成するポリシは、同じ言語モデルで一度テストが生成されたポリシよりも平均失敗率が低く、テスタに候補のソースを与えることで、検出可能な追加的な改善が得られなかった。 さらに、同じ数のテストを要求する条件は、この違いの源泉としてポリシーの1つの特徴を分離しなかった。 GTDDは、この適応的な開発フィードバックと、確立された回帰テストと独立した受け入れルールを組み合わせる。

関連論文リスト

• TDD-Agent: Test-Driven Reasoning for Code Generation [12.09256800328452]
  既存のアプローチでは、生成されたテストを静的なポストホックバリデータとして使用しています。 コード生成のためのテスト駆動開発パラダイムを運用するTDD-Agentを紹介します。
  論文  参考訳（メタデータ） (2026-08-17T15:52:04Z)
• TTHE: Test-Time Harness Evolution [50.26245555541721]
  既存のアプローチでは、デプロイ前、トレーニング前、あるいはテスト時に凍結される固定されたエージェントワークフローの開発データを最適化する。 我々は、エージェントがテスト入力で生成するラベルのない実行トレースのみを使用して、評価自体にハーネスを最適化できるかどうかを問う。 評価中、TTHEは候補ハーネスの人口を維持し、それらの実行トレースの理由をエージェントプロジェクタを通じてそれらを洗練する。 その後、審査員は実行元プロキシ信号から改善されたハーネスをコミットし、選択したプログラムは継続してその後の入力を統治する。
  論文  参考訳（メタデータ） (2026-07-09T05:53:39Z)
• BACE: LLM-based Code Generation through Bayesian Anchored Co-Evolution of Code and Test Populations [0.9668407688201359]
  我々は、ベイズ的共進化過程として合成を再構成するフレームワークであるBACEを紹介する。 BACEはプロプライエタリモデルとオープンウェイトな小言語モデルの両方で優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-03-30T16:40:11Z)
• Scaling Agentic Verifier for Competitive Coding [66.11758166379092]
  大規模言語モデル(LLM)は強力なコーディング能力を示しているが、1回の試行で競合するプログラミング問題を正しく解くのに苦戦している。 実行ベースの再ランク付けは、有望なテスト時間スケーリング戦略を提供するが、既存のメソッドは、難しいテストケースの生成または非効率的なランダム入力サンプリングによって制約される。 本稿では,プログラムの動作を積極的に推論し,高い差別性のあるテスト入力を検索するエージェント検証手法を提案する。
  論文  参考訳（メタデータ） (2026-02-04T06:30:40Z)
• The Rise of Agentic Testing: Multi-Agent Systems for Robust Software Quality Assurance [0.0]
  現在のAIベースのテストジェネレータは、実行意識のフィードバックがないため、無効、冗長、あるいは実行不可能なテストを生成する。 本稿では,テスト生成エージェント,実行・分析エージェント,レビュー・最適化エージェントが協調してテストの生成,実行,解析,精査を行う,クローズドループの自己修正システムを提案する。
  論文  参考訳（メタデータ） (2026-01-05T18:20:14Z)
• Towards Automatic Generation of Amplified Regression Test Oracles [44.45138073080198]
  回帰テストオラクルを増幅するためのテストオラクル導出手法を提案する。 このアプローチはテスト実行中にオブジェクトの状態を監視し、以前のバージョンと比較して、SUTの意図した振る舞いに関連する変更を検出する。
  論文  参考訳（メタデータ） (2023-07-28T12:38:44Z)
• 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)
• TTAPS: Test-Time Adaption by Aligning Prototypes using Self-Supervision [70.05605071885914]
  本研究では,単体テストサンプルに適用可能な自己教師付きトレーニングアルゴリズムSwaVの新たな改良を提案する。 ベンチマークデータセットCIFAR10-Cにおいて,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-05-18T05:43:06Z)
• 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)

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。