.png){kind=icon}
返回
Automated Test Generation Using Large Language Models
.png){kind=icon}
OA
AI
DOI：10.3390/data10100156.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究探讨了生成式AI，特别是大型语言模型（LLMs），在自动化Python 3.13单元测试生成方面的潜力。我们分析了五十个源代码案例中，由程序员创建和由LLM模型生成的测试用例。我们的主要关注点在于模型选择、源代码难度以及提示策略如何影响生成测试的质量。结果表明，AI模型能够帮助自动化简单代码的测试创建，但在更复杂任务中的有效性有所降低。我们引入了一种基于嵌入的相似性分析，以评估AI生成的测试与人工编写测试的相似程度，揭示AI输出往往缺乏语义多样性。该研究还强调了AI模型在快速测试原型制作方面的潜力，这可以显著加速软件开发周期。然而，需要进一步针对特定用例对模型进行定制和训练，以实现更高的精确度。我们的发现为将LLMs整合到软件测试工作流中提供了实践见解，并强调了提示设计和模型选择的重要性。
Keyword:
GenAI
TDD
embeddings
code coverage
LLM
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
D
IF:
2
论文数:
188
被引数:
2.1K
机构
引用论文
Software Testing With Large Language Models: Survey, Landscape, and Vision使用大型语言模型进行软件测试: 调查，景观和视觉
OAAI
OAAI分享收藏分享收藏Search-Based Software Testing: Past, Present and Future.png)
2011 IEEE Fourth International Conference on Software Testing, Verification and Validation Workshops
2011 IEEE Fourth International Conference on Software Testing, Verification and Validation WorkshopsIF0
PREAI
分享收藏From Code Generation to Software Testing: AI Copilot With Context-Based Retrieval-Augmented Generation从代码生成到软件测试：基于上下文检索增强生成的AI助手机器人
PREAI
分享收藏Aligning Crowd-Sourced Human Feedback for Reinforcement Learning on Code Generation by Large Language Models通过大型语言模型对代码生成进行强化学习，对齐众包人类反馈
PREAI
分享收藏Ryan, G.; Jain, S.; Shang, M.; Wang, S.; Ma, X.; Ramanathan, M.K.; Ray, B. Code-Aware Prompting: A study of Coverage Guided Test Generation in Regression Setting using LLM. arXiv 2024, arXiv:2402.00097. [Google Scholar] [CrossRef]Ryan, G.; Jain, S.; Shang, M.; Wang, S.; Ma, X.; Ramanathan, M.K.; Ray, B. 代码感知提示：回归设置下使用LLM进行覆盖引导测试生成的研究。arXiv 2024, arXiv:2402.00097. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容