Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

LLM Test Generation via Iterative Hybrid Program Analysis

Created by
  • Haebom

作者

Sijia Gu, Noor Nashid, Ali Mesbah

概要

本論文では,実際のプロジェクトの複雑な方法に対する単体テスト生成の自動化の難しさを解決するためのパンタ技術を提示した。 Pantaは開発者がコードを分析し、テストケースを構成する反復的なプロセスを模倣し、LLMの制限された制御フロー構造の推論能力を克服します。静的制御フロー分析と動的コードカバレッジ分析を統合して、LLMが発見されていない実行パスを識別し、より良いテストケースを生成するように体系的にガイドします.反復的なフィードバックベースのメカニズムにより、静的および動的パスカバレッジ洞察に基づいてテスト生成を継続的に改善し、より包括的で効果的なテストを確実にします。オープンソースプロジェクトの高い循環複雑度を持つクラスの実験的評価の結果、Pantaは最先端技術と比較してラインカバレッジ26％、ブランチカバレッジ23％向上を達成しました。

Takeaways、Limitations

•
Takeaways：
◦
LLMを用いた単体テスト自動生成の効率を高める新しい技術Pantaの提示
◦
静的および動的分析の統合による既存のLLMベースのテスト生成のLimitationsである低分岐適用率のトラブルシューティング
◦
実際のオープンソースプロジェクトを対象とした実験結果によるPantaの卓越性検証
◦
反復フィードバック機構によるテスト生成の精度と適用範囲の改善
•
Limitations：
◦
Pantaのパフォーマンスは、オープンソースプロジェクトの特定のクラスの評価結果に限定されています。様々な種類のプロジェクトとコードスタイルにおける一般化の可能性に関するさらなる研究が必要
◦
高い循環複雑度を持つクラスに集中し、低複雑度のクラスに対する効果は不明。
◦
LLMの性能に依存している可能性があり、LLMの発展に応じて性能が変化する可能性があります。
◦
実際の産業環境での適用性と拡張性に関するさらなる研究の必要性
👍
Made with Slashpage