Buchumschlag

LLMs for Test Input Generation for Semantic Caches

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rasool, Zafaryab, Barnett, Scott, Willie, David, Kurniawan, Stefanus, Balugo, Sherwin, Thudumu, Srikanth, Abdelrazek, Mohamed
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Seven Failure Points When Engineering a Retrieval Augmented Generation System
von: Barnett, Scott, et al.
Veröffentlicht: (2024)

Large language models for generating rules, yay or nay?
von: Sivasothy, Shangeetha, et al.
Veröffentlicht: (2024)

TaskEval: Synthesised Evaluation for Foundation-Model Tasks
von: Widanapathiranage, Dilani, et al.
Veröffentlicht: (2025)

ML-On-Rails: Safeguarding Machine Learning Models in Software Systems A Case Study
von: Abdelkader, Hala, et al.
Veröffentlicht: (2024)

A Multi-Agent Approach for REST API Testing with Semantic Graphs and LLM-Driven Inputs
von: Kim, Myeongsoo, et al.
Veröffentlicht: (2024)

Clarifying Semantics of In-Context Examples for Unit Test Generation
von: Yang, Chen, et al.
Veröffentlicht: (2025)

Enhancing Software Vulnerability Detection Through Adaptive Test Input Generation Using Genetic Algorithm
von: Mehendran, Yanusha, et al.
Veröffentlicht: (2025)

LLMs for Automated Unit Test Generation and Assessment in Java: The AgoneTest Framework
von: Lops, Andrea, et al.
Veröffentlicht: (2025)

The Potential of LLMs in Automating Software Testing: From Generation to Reporting
von: Sherifi, Betim, et al.
Veröffentlicht: (2024)

ReCatcher: Towards LLMs Regression Testing for Code Generation
von: Abbassi, Altaf Allah, et al.
Veröffentlicht: (2025)

On the Effectiveness of LLMs for Manual Test Verifications
von: Peixoto, Myron David Lucena Campos, et al.
Veröffentlicht: (2024)

Semantic Caching and Intent-Driven Context Optimization for Multi-Agent Natural Language to Code Systems
von: Singh, Harmohit
Veröffentlicht: (2026)

Harnessing the Power of LLMs: Automating Unit Test Generation for High-Performance Computing
von: Karanjai, Rabimba, et al.
Veröffentlicht: (2024)

Unify and Triumph: Polyglot, Diverse, and Self-Consistent Generation of Unit Tests with LLMs
von: Khelladi, Djamel Eddine, et al.
Veröffentlicht: (2025)

Helping LLMs Improve Code Generation Using Feedback from Testing and Static Analysis
von: Dolcetti, Greta, et al.
Veröffentlicht: (2024)

Explicating Tacit Regulatory Knowledge from LLMs to Auto-Formalize Requirements for Compliance Test Case Generation
von: Xue, Zhiyi, et al.
Veröffentlicht: (2026)

AutoRestTest: A Tool for Automated REST API Testing Using LLMs and MARL
von: Stennett, Tyler, et al.
Veröffentlicht: (2025)

Automated Customization of LLMs for Enterprise Code Repositories Using Semantic Scopes
von: Finkler, Ulrich, et al.
Veröffentlicht: (2026)

Leveraging LLMs, IDEs, and Semantic Embeddings for Automated Move Method Refactoring
von: Bellur, Abhiram, et al.
Veröffentlicht: (2025)

TAM-Eval: Evaluating LLMs for Automated Unit Test Maintenance
von: Bruches, Elena, et al.
Veröffentlicht: (2026)

Mutation-based Consistency Testing for Evaluating the Code Understanding Capability of LLMs
von: Li, Ziyu, et al.
Veröffentlicht: (2024)

TREAT: A Code LLMs Trustworthiness / Reliability Evaluation and Testing Framework
von: Gao, Shuzheng, et al.
Veröffentlicht: (2025)

Lost in Transcription: How Speech-to-Text Errors Derail Code Understanding
von: Havare, Jayant, et al.
Veröffentlicht: (2026)

Robustness and Reasoning Fidelity of Large Language Models in Long-Context Code Question Answering
von: Maharaj, Kishan, et al.
Veröffentlicht: (2026)

Capture the Flags: Family-Based Evaluation of Agentic LLMs via Semantics-Preserving Transformations
von: Honarvar, Shahin, et al.
Veröffentlicht: (2026)

Toward Automated Validation of Language Model Synthesized Test Cases using Semantic Entropy
von: Taherkhani, Hamed, et al.
Veröffentlicht: (2024)

EfficientUICoder: Efficient MLLM-based UI Code Generation via Input and Output Token Compression
von: Xiao, Jingyu, et al.
Veröffentlicht: (2025)

Generating Energy-efficient code with LLMs
von: Cappendijk, Tom, et al.
Veröffentlicht: (2024)

The Future of Software Testing: AI-Powered Test Case Generation and Validation
von: Baqar, Mohammad, et al.
Veröffentlicht: (2024)

Can Search-Based Testing with Pareto Optimization Effectively Cover Failure-Revealing Test Inputs?
von: Sorokin, Lev, et al.
Veröffentlicht: (2024)

ASMA-Tune: Unlocking LLMs' Assembly Code Comprehension via Structural-Semantic Instruction Tuning
von: Wang, Xinyi, et al.
Veröffentlicht: (2025)

LLMs in the Heart of Differential Testing: A Case Study on a Medical Rule Engine
von: Isaku, Erblin, et al.
Veröffentlicht: (2024)

Automating a Complete Software Test Process Using LLMs: An Automotive Case Study
von: Wang, Shuai, et al.
Veröffentlicht: (2025)

LLMs are All You Need? Improving Fuzz Testing for MOJO with Large Language Models
von: Huang, Linghan, et al.
Veröffentlicht: (2025)

LLMs for Science: Usage for Code Generation and Data Analysis
von: Nejjar, Mohamed, et al.
Veröffentlicht: (2023)

Test-Driven Development for Code Generation
von: Mathews, Noble Saji, et al.
Veröffentlicht: (2024)

A System for Automated Unit Test Generation Using Large Language Models and Assessment of Generated Test Suites
von: Lops, Andrea, et al.
Veröffentlicht: (2024)

Rethinking the Value of Agent-Generated Tests for LLM-Based Software Engineering Agents
von: Chen, Zhi, et al.
Veröffentlicht: (2026)

Tests as Prompt: A Test-Driven-Development Benchmark for LLM Code Generation
von: Cui, Yi
Veröffentlicht: (2025)

Klear-CodeTest: Scalable Test Case Generation for Code Reinforcement Learning
von: Fu, Jia, et al.
Veröffentlicht: (2025)