当前位置: 首页 > article >正文

【论文阅读】HITS: High-coverage LLM-based Unit Test Generation via Method Slicing

在这里插入图片描述

HITS: High-coverage LLM-based Unit Test Generation via Method Slicing

1. 来源出处

本文是发表在2024年39th IEEE/ACM International Conference on Automated Software Engineering (ASE)上的论文。作者包括Zejun Wang, Kaiibo Liu, Ge Li和Zhi Jin,他们来自北京的PKU Key Lab of HCST (MOE)。

2. 先前方法存在的不足

2.1 大语言模型(LLMs)生成单元测试的局限性

尽管LLMs在生成Java项目单元测试方面表现出色,但在覆盖复杂方法时的性能较差。这些复杂方法通常包含许多条件和循环,需要测试用例足够多样以覆盖所有行和分支。然而,现有的基于LLM的测试生成方法没有提供输入分析的辅助,这使得LLM难以推断出覆盖所有条件的测试输入,从而导致遗漏行和分支。

2.2 现有工具的不足

例如,ChatUniTest是一个基于LLM的测试生成工具,但在测试复杂方法时表现不佳。实验结果显示,ChatUniTest在测试复杂方法时的行覆盖率和分支覆盖率显著下降。此外,Evosuite等传统基于搜索的软件测试(SBST)工具在处理复杂方法时也


http://www.kler.cn/a/395371.html

相关文章:

  • html数据类型
  • Suricata
  • React Native 全栈开发实战班 - 核心组件与导航
  • 浪潮信息“源”Embedding模型登顶MTEB榜单第一名
  • 利用编程语言和脚本编写技术,实现自动化渗透测试和安全工具的开发
  • 【excel】easy excel如何导出动态列
  • 【计算机视觉】FusionGAN
  • 【MySQL】数据库表连接简明解释
  • 【代码审计】常见漏洞专项审计-业务逻辑漏洞审计
  • TypeScript:现代 JavaScript 的超级集
  • rockylinux 8安装 gcc11.2
  • 用两行命令快速搭建深度学习环境(Docker/torch2.5.1+cu118/命令行美化+插件),包含完整的 Docker 安装步骤
  • 爬虫开发工具与环境搭建——环境配置
  • 火山引擎数据飞轮模式下的线上营销:内容产出更智能、人群触达更精准
  • Linux系统常用操作与命令指南
  • Apache服务安装
  • 单网页图库应用Single File PHP Gallery
  • 求知导刊期刊简介及投稿点评
  • 【go从零单排】URL Parsing(URL解析)
  • PyEcharts | 通过分析奥迪车购买数据来学习柱状折线复合图像的绘制方法
  • 风险数据集市整体架构及技术实现
  • 深度学习知识点1--编码器与解码器
  • 怎样在软件设计中选择使用GOF设计模式
  • 前端笔试中oj算法题的解法模版
  • Git - 命令杂谈 - fetch与push
  • 13 字母异位词分组