論文の概要: ADAPT: Agentic Diff-Aware Patch Testing for Pull Requests
- arxiv url: http://arxiv.org/abs/2611.16114v1
- Date: Wed, 11 Nov 2026 23:48:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.291661
- Title: ADAPT: Agentic Diff-Aware Patch Testing for Pull Requests
- Title(参考訳): ADAPT:プルリクエストのためのエージェントディフ対応パッチテスト
- Abstract要約: 本稿では,自動符号化エージェントを用いた回帰テスト生成手法であるADAPTを提案する。
専用のフェール・ツー・パス(F2P)検証ツールが両方のバージョンで各候補を実行し、F2Pの成功の後、実行可能な変更行を報告する。
ADAPTは83.9%のPRでパッチをカバーしており、ChaCoの79.6%は時間とコストがかなり低い。
- 参考スコア(独自算出の注目度): 1.4465033892011254
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern software development relies on pull requests (PRs) that introduce small, targeted code changes. Once merged, these changes should be protected by focused tests that exercise the behavior the PR introduces, yet developers often submit PRs without such tests, leaving the new behavior unguarded against future regressions. Most test generation techniques target entire software units and optimize objectives such as code coverage rather than the behavior a change introduces, and prior diff-aware approaches have had limited success in capturing it. We propose ADAPT (Agentic Diff-Aware Patch Testing), a regression test generation approach that uses an autonomous coding agent to produce change-focused tests for PRs. Given a PR, the agent analyzes the diff between the base and head versions to identify the modified functions and their context, then plans and generates candidate unit tests. A dedicated fail-to-pass (F2P) verification tool runs each candidate on both versions and, after F2P success, reports which executable changed lines remain uncovered; guided by this feedback, the agent iteratively refines its tests. We evaluate ADAPT on the same 426 real-world PRs used by the prior state-of-the-art baseline, with GPT-4o and GPT-5-mini. ADAPT+GPT-4o reaches an F2P rate of 62.0% (264/426), compared with BLAST's reported 35.4% (151/426), while ADAPT+GPT-5-mini reaches 89.9% (383/426). On 137 PRs shared with Change And Cover (ChaCo), ADAPT achieves full patch coverage on 83.9% of PRs, compared with 79.6% for ChaCo, at considerably lower time and cost. A manual evaluation confirms that the F2P-valid tests target each PR's intended change, with mean scores of up to 4.54/5 for importance, 4.35/5 for assertion strength, and 4.49/5 for readability, often covering behavior beyond the developer-written tests.
- Abstract(参考訳): 現代のソフトウェア開発は、小さなターゲットのコード変更を導入するプルリクエスト(PR)に依存しています。
一度マージしたら、これらの変更はPRが導入する振る舞いを実践する集中テストによって保護されるべきである。
ほとんどのテスト生成技術はソフトウェアユニット全体をターゲットとし、変更がもたらす振る舞いよりもコードカバレッジなどの目的を最適化する。
本稿では,自律型コーディングエージェントを用いた回帰テスト生成手法であるADAPT(Agentic Diff-Aware Patch Testing)を提案する。
PRが与えられたら、エージェントはベースバージョンとヘッドバージョン間の差分を分析して、修正された関数とそのコンテキストを特定し、次に計画し、候補ユニットテストを生成する。
専用のフェール・ツー・パス(F2P)検証ツールが両方のバージョンで各候補を実行し、F2Pの成功の後、実行可能な変更行を報告し続ける。
GPT-4o と GPT-5-mini を用いて,従来の最先端ベースラインで使用されている 426 の現実世界 PR 上で ADAPT を評価した。
ADAPT+GPT-4o は F2P の 62.0% (264/426) に達するのに対し、BLAST は 35.4% (151/426)、ADAPT+GPT-5-mini は89.9% (383/426) に達する。
Change And Cover (ChaCo)と共有される137のPRでは、ADAPTは83.9%のPRに対して完全なパッチカバレッジを実現している。
手動による評価では、F2P-validテストはPRの意図した変更をターゲットにしており、重要度の平均スコアは4.54/5、アサーション強度は4.35/5、可読性は4.49/5であり、開発者によるテスト以上の振る舞いをカバーしている。
関連論文リスト
- AdaPRA: Process Reward Agents with Adaptive Rubrics for Data Science [61.06192512211444]
データサイエンスエージェントはエンドツーエンドの機械学習を自動化することができるが、人間のリーダーボードとの競争には程遠い。
我々はこれらの問題に対処するためにAdaPRAを提案する: 同一タスクの試行にまたがって知識を蓄積する永続的符号化エージェントと、エラーを特定し修正するルーリック誘導プロセス監視。
AdaPRAはタスク毎の5つの試行により、80B QwenモデルのパーセンタイルをDSPredict-Easyで24.5ポイント、DS-Hardで14.8ポイント改善し、プロセスエラーを減らす。
論文 参考訳(メタデータ) (2026-10-23T19:46:55Z) - TestJack: Should you trust the results in coding benchmarks? Agentic Coding Benchmarks Auditing via Evaluator Evolution [56.4111102268819]
大規模言語モデル(LLM)エージェントは、ソフトウェア工学を急速に再構築している。
しかし、既存のベンチマークのほとんどすべてが、同じ数十年前の基準に依存している。
固定テストを超えてパッチを評価するスケーラブルなフレームワークであるTestJackを紹介します。
論文 参考訳(メタデータ) (2026-10-07T07:58:04Z) - 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) - Beyond Fail-to-Pass: Iterative Hardening of Co-Generated Bug Reproduction Tests and Fixes [55.114939648705395]
大規模言語モデル(LLM)は、現実のバグに対して、プログラムの自動修正をますます実用的にしている。
バグ再現テスト(BRT)は、バグレポートを実行可能なバグ固有の信号に変換することで、このギャップを埋めるのに役立つ。
本稿では,ループ内収束基準としてLax信号を用いるコジェネレーションフレームワークであるCoHardenを提案する。
論文 参考訳(メタデータ) (2026-07-22T07:30:07Z) - Test Coverage Analysis of Agentic Pull Requests [13.366199469803922]
コーディングエージェントは、人間の介入を最小限に抑えた完全なプルリクエスト(PR)を送信します。
これらのエージェントがより普及するにつれて、彼らが生成したコードが適切にテストされることは、レグレッションの防止に不可欠である。
5つの符号化エージェントによって生成された AIDev データセット (532 Java と 4350 Python PR) から,4882 個のエージェント生成 PR を解析した。
論文 参考訳(メタデータ) (2026-07-20T15:26:30Z) - PR-Aware Automated Unit Test Generation: Challenges and Opportunities [1.3241176321860364]
本研究では,主要な検索ツールであるEvoSuiteと,広く使用されている大規模言語モデル(LLM)の1つであるGPT-4oの2つのアプローチを評価する。
私たちの研究は、現代のソフトウェア開発の漸進的な性質に合わせて、ツールと高性能なテストジェネレータの開発における重要なギャップを強調します。
論文 参考訳(メタデータ) (2026-05-24T22:38:04Z) - 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) - PatchGuru: Patch Oracle Inference from Natural Language Artifacts with Large Language Models [16.633386478990037]
PatchGuruは、実際のプルリクエスト(PR)から実行可能なパッチ仕様を推論する最初の自動テクニックである。
PRが与えられた後、PatchGuruは大規模な言語モデル(LLM)を使用してNLアーティファクトから開発者の意図を抽出し、パッチオークルを合成する。
PatchGuruは、プレパッチとポストパッチの動作を比較し、違反を特定し、自己レビューを通じて不整合をフィルタリングし、バグレポートを生成することで、推論されたオラクルを反復的に洗練する。
論文 参考訳(メタデータ) (2026-02-05T03:48:17Z) - Change And Cover: Last-Mile, Pull Request-Based Regression Test Augmentation [20.31612139450269]
プルリクエスト(PR)をテストすることは、ソフトウェアの品質を維持する上で重要です。
いくつかのPR修正された路線は未試験のままであり、「ラストマイル」回帰テストのギャップを残している。
このギャップに対処する LLM ベースのテスト拡張技術である ChaCo を提案する。
論文 参考訳(メタデータ) (2026-01-16T02:08:16Z) - When Old Meets New: Evaluating the Impact of Regression Tests on SWE Issue Resolution [8.305144449617883]
TestPruneは,イシュートラッカレポートを活用して,バグ再現とパッチ検証の両面において,レグレッションテストを戦略的に再利用する,完全に自動化されたテクニックである。
TestPruneは任意のエージェントバグ修正パイプラインにプラグイン可能で、全体的なパフォーマンスが急速に向上する。
論文 参考訳(メタデータ) (2025-10-21T03:42:28Z) - RAP-Gen: Retrieval-Augmented Patch Generation with CodeT5 for Automatic
Program Repair [75.40584530380589]
新たな検索型パッチ生成フレームワーク(RAP-Gen)を提案する。
RAP-Gen 以前のバグ修正ペアのリストから取得した関連する修正パターンを明示的に活用する。
RAP-GenをJavaScriptのTFixベンチマークとJavaのCode RefinementとDefects4Jベンチマークの2つのプログラミング言語で評価する。
論文 参考訳(メタデータ) (2023-09-12T08:52:56Z)
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。