.png){kind=icon}
返回
Tuning Random Generators Property-Based Testing as Probabilistic Programming
.png){kind=icon}
PRE
AI
DOI：10.1145/3763082.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于属性的测试通过在随机生成的输入上评估软件，将其与可执行规范进行验证。PBT用户生成测试输入的标准方式是通过生成器，这些生成器描述了如何通过随机选择来采样测试输入。为了在测试输入上实现良好的分布，用户必须调整其生成器，即决定这些个别随机选择的权重。不幸的是，要理解如何选择个别生成器权重以实现所需分布非常困难，因此目前这一过程既繁琐又限制了实际可实现的分布范围。在本文中，我们开发了用于生成器自动和离线调整的技术。给定一个具有未确定符号权重的生成器和一个目标函数，我们的方法会自动学习这些权重值以优化目标。我们描述了有用的目标函数，允许用户（1）针对所需分布和（2）提高其测试用例的多样性和有效性。我们已在一种新颖的离散概率编程系统LOADED DICE中实现了我们的方法，该系统支持微分和参数学习，并将其用作生成器的语言。我们通过实证证明，我们的方法在根据指定的目标函数优化生成器分布方面是有效的。我们还对PBT基准进行了全面评估，证明当生成器针对多样性和有效性自动调整时，其在缺陷查找方面表现出3.1-7.4倍的速度提升。
Keyword:
Random Generation
Property-Based Testing
Probabilistic Programming
Automatic Differentiation
期刊
P
IF:
2.8
论文数:
308
被引数:
4.7K
查看更多机构
.png){kind=icon}
