論文の概要: Testuary: Agentic Test Generation with Zero-Shot Parallelism

• arxiv url: http://arxiv.org/abs/2610.14808v1
• Date: Sat, 10 Oct 2026 11:00:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 11:39:52.233604
• Title: Testuary: Agentic Test Generation with Zero-Shot Parallelism
• Title（参考訳）: ゼロショット並列性によるエージェントテスト生成の試み
• Abstract要約: Testuaryは、独立して並列なゼロショットリクエスト、チェックと修正を通じてテストスイートを生成する。 実行時重み付けされたセットカバーリダクションは、カバーされた行やブランチ、破棄されたミュータントを失うことなく、冗長なテストを削除する。 エージェントのフェーズの後、Testuaryは平均99.9%以上のラインとブランチのカバレッジと98.6%の突然変異スコアを達成した。
• 参考スコア（独自算出の注目度）: 0.17188280334580197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agentic approaches for automated test generation can reach high-quality results, but they improve a given test suite incrementally, so a weak starting point may lead to many iterations or insufficient tests. To address this, we present Testuary, which provides the agentic phases with an improved starting point. Testuary first generates multiple test suites through independent, parallel zero-shot requests, checks and repairs them deterministically, and combines them into a single suite with a novel structural merging approach. A runtime-weighted set-cover reduction removes redundant tests without losing covered lines, branches, or killed mutants. After that, two agentic phases target the remaining gaps in coverage and mutation score. We compare Testuary with established search and LLM-based test generation approaches. The non-agentic first phase alone already significantly outperforms the current state-of-the-art. After the agentic phases, Testuary achieves on average more than 99.9% line and branch coverage as well as a mutation score of 98.6%, significantly outperforming all compared baseline approaches. Testuary needs fewer model requests and its test suites are on average smaller and faster than those of the compared agentic approach.
• Abstract（参考訳）: 自動テスト生成のためのエージェントアプローチは、高品質な結果に達することができるが、与えられたテストスイートを漸進的に改善するので、弱いスタートポイントは多くのイテレーションや不十分なテストにつながる可能性がある。 そこで本研究では,エージェントフェーズを改良した開始点で提供するTestuaryを提案する。 Testuaryは最初、独立して並列なゼロショットリクエストを通じて複数のテストスイートを生成し、それらを決定論的にチェックし、修復し、それらを新しい構造的なマージアプローチと組み合わせる。 実行時重み付けされたセットカバーリダクションは、カバーされた行やブランチ、破棄されたミュータントを失うことなく、冗長なテストを削除する。 その後、2つのエージェント相は、カバーと突然変異スコアの残りのギャップを目標にしている。 We compare Testuary with established search and LLM-based test generation approach。 非エージェントの第1フェーズだけでは、現在の最先端の状態を著しく上回っている。 エージェントのフェーズの後、Testuaryは平均99.9%以上のラインとブランチのカバレッジ、そして98.6%の突然変異スコアを達成し、比較されたベースラインのアプローチよりも大幅に優れている。 Testuaryはモデルリクエストを少なくし、テストスイートは比較したエージェントアプローチよりも平均的に小さく、高速です。

関連論文リスト

• Disentangling Task Difficulty from Run-Level Failure in Agent Failure Prediction [1.4952530080205333]
  近年のアプローチでは、AUROC値が0.85から0.94の強い予測性能が報告されている。 同一のエージェントによる同じタスクを繰り返し試みるベンチマークについて検討する。 結果の精度だけでなく、捕捉した信号が意図した配置決定をサポートするかどうかによって、故障予測が評価されるべきであることを示す。
  論文  参考訳（メタデータ） (2026-10-04T22:17:04Z)
• MeshHeal: Two-Timescale Self-Healing for Gray Failures in Decentralized LLM Agent Networks [60.95806999869478]
  MeshHealは、完全に分散化された自己修復フレームワークである。 能力にマッチしたピアレビューを2つのタイムスケールに分けている。 1タスクあたり51kのトータルモデルトークンを使用して0.839の劣化位相精度を達成し、最強のベースラインでは1タスクあたり115kの0.807の精度を達成した。
  論文  参考訳（メタデータ） (2026-09-24T04:29:37Z)
• It's the Problem, Not the Path: Budget and Difficulty Confounds in LLM Reasoning Trajectories [0.0]
  再起動制御トランケーションプローブは、ソリューションが継続予算に適合するときに、プレフィックスが購入できない値を持てるときとを分離する。 事前登録された、難易度制御されたテストは、問題の難解なベースラインを超えた早期ウィンドウ内部信号における検出可能な結果情報を見つけない。
  論文  参考訳（メタデータ） (2026-09-03T06:47:55Z)
• Are Benchmark Tests Strong Enough? Mutation-Guided Diagnosis and Augmentation of Regression Suites [49.16055123488827]
  十分に強力なテストスイートは、報告された成功率を膨らませながら、妥当だが意味的に正しくないパッチを認めることができる。 STINGは、意味的に変化するプログラムの変種を診断ストレス要因として利用する、ターゲットテスト拡張のためのフレームワークである。 STINGは211インスタンスにまたがる1014の検証テストを生成し、パッチリージョンラインとブランチカバレッジを10.8%、9.5%向上させた。
  論文  参考訳（メタデータ） (2026-04-02T01:13:40Z)
• Improving Search Agent with One Line of Code [68.58667107354253]
  ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。 textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
  論文  参考訳（メタデータ） (2026-03-10T04:07:39Z)
• MIST-RL: Mutation-based Incremental Suite Testing via Reinforcement Learning [19.054149750597933]
  MIST-RL (Mutation-based Incremental Suite Testing via Reinforcement Learning) は、"スケーリング・バイ・ユーティリティ(scaling-by-utility)"に重点を移すフレームワークである。 我々は,機能的に等価なアサーションを抑えながら,新たな欠陥を発見するモデルにインセンティブを与える,動的ペナルティと組み合わされた新たなインクリメンタル突然変異報酬を導入する。 HumanEval+とMBPP+の実験は、MIST-RLが最先端のベースラインより優れていることを示した。
  論文  参考訳（メタデータ） (2026-03-02T03:22:44Z)
• Test-Time Scaling with Diffusion Language Models via Reward-Guided Stitching [66.39914384073145]
  本稿では,安価な拡散サンプリング推論をステップレベル候補の再利用プールに変換する自己整合性フレームワークを提案する。 ステップレベルの再結合は、難しい問題に対して最も有益であることがわかった。 トレーニング不要のフレームワークは、6つの数学およびコーディングタスクの平均精度を最大2倍改善します。
  論文  参考訳（メタデータ） (2026-02-26T11:08:39Z)
• Test vs Mutant: Adversarial LLM Agents for Robust Unit Test Generation [9.439427795905637]
  LLM(Large Language Model)ベースの手法は、より可読性の高いテストを生成するが、しばしば低カバレッジとコンパイル性に悩まされる。 本稿では,LLMを用いたテストケース生成のための新しい逆フレームワークであるAdverTestを提案する。 提案手法は, 既存のLLM法よりも8.56%, EvoSuiteより63.30%, 故障検出率の向上を図っている。
  論文  参考訳（メタデータ） (2026-02-08T22:34:30Z)
• Near-Optimal Non-Parametric Sequential Tests and Confidence Sequences with Possibly Dependent Observations [44.71254888821376]
  我々は、一般的な非データ生成プロセスの下で、最初のタイプIエラーと予測リジェクション時間保証を提供する。 本研究では, 平均処理効果など, 方程式を推定することによって定義されるパラメータの推測に, 結果を適用する方法を示す。
  論文  参考訳（メタデータ） (2022-12-29T18:37:08Z)
• 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。