Buchumschlag

FlaKat: A Machine Learning-Based Categorization Framework for Flaky Tests

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Shizhe, Liu, Ryan Zheng He, Tahvildari, Ladan
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

Beyond the Classroom: Bridging the Gap Between Academia and Industry with a Hands-on Learning Approach
von: Xu, Mingyang, et al.
Veröffentlicht: (2025)

Key Considerations for Auto-Scaling: Lessons from Benchmark Microservices
von: Dashtbani, Majid, et al.
Veröffentlicht: (2025)

FlakyGuard: Automatically Fixing Flaky Tests at Industry Scale
von: Li, Chengpeng, et al.
Veröffentlicht: (2025)

STaleX: A Spatiotemporal-Aware Adaptive Auto-scaling Framework for Microservices
von: Dashtbani, Majid, et al.
Veröffentlicht: (2025)

FlakyFix: Using Large Language Models for Predicting Flaky Test Fix Categories and Test Code Repair
von: Fatima, Sakina, et al.
Veröffentlicht: (2023)

Automating Detection and Root-Cause Analysis of Flaky Tests in Quantum Software
von: Sivaloganathan, Janakan, et al.
Veröffentlicht: (2026)

Automating Quantum Software Maintenance: Flakiness Detection and Root Cause Analysis
von: Sivaloganathan, Janakan, et al.
Veröffentlicht: (2024)

The Role of Artificial Intelligence and Machine Learning in Software Testing
von: Ramadan, Ahmed, et al.
Veröffentlicht: (2024)

An Analysis of LLM Fine-Tuning and Few-Shot Learning for Flaky Test Detection and Classification
von: More, Riddhi, et al.
Veröffentlicht: (2025)

Systemic Flakiness: An Empirical Analysis of Co-Occurring Flaky Test Failures
von: Parry, Owain, et al.
Veröffentlicht: (2025)

Identifying Flaky Tests in Quantum Code: A Machine Learning Approach
von: Kaur, Khushdeep, et al.
Veröffentlicht: (2025)

Cross-System Categorization of Abnormal Traces in Microservice-Based Systems via Meta-Learning
von: Wang, Yuqing, et al.
Veröffentlicht: (2024)

Deep Learning Library Testing: Definition, Methods and Challenges
von: Zhang, Xiaoyu, et al.
Veröffentlicht: (2024)

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

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

AutoP2C: An LLM-Based Agent Framework for Code Repository Generation from Multimodal Content in Academic Papers
von: Lin, Zijie, et al.
Veröffentlicht: (2025)

LLM-Based Automated Diagnosis Of Integration Test Failures At Google
von: Ziftci, Celal, et al.
Veröffentlicht: (2026)

SELF-REDRAFT: Eliciting Intrinsic Exploration-Exploitation Balance in Test-Time Scaling for Code Generation
von: Chen, Yixiang, et al.
Veröffentlicht: (2025)

QuanForge: A Mutation Testing Framework for Quantum Neural Networks
von: Shao, Minqi, et al.
Veröffentlicht: (2026)

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

Reasoning-Based Software Testing
von: Giamattei, Luca, et al.
Veröffentlicht: (2023)

The Effects of Computational Resources on Flaky Tests
von: Silva, Denini, et al.
Veröffentlicht: (2023)

A Dataset of Reproducible Flaky-Test Failures
von: Rafi, Suzzana, et al.
Veröffentlicht: (2026)

Explaining the Contributing Factors for Vulnerability Detection in Machine Learning
von: Mouine, Esma, et al.
Veröffentlicht: (2024)

Call-Chain-Aware LLM-Based Test Generation for Java Projects
von: Wang, Guancheng, et al.
Veröffentlicht: (2026)

Quantifying Uncertainty in Machine Learning-Based Pervasive Systems: Application to Human Activity Recognition
von: Balditsyn, Vladimir, et al.
Veröffentlicht: (2025)

Generative AI for Testing of Autonomous Driving Systems: A Survey
von: Song, Qunying, et al.
Veröffentlicht: (2025)

DSTC: Direct Preference Learning with Only Self-Generated Tests and Code to Improve Code LMs
von: Liu, Zhihan, et al.
Veröffentlicht: (2024)

NeuroFlake: A Neuro-Symbolic LLM Framework for Flaky Test Classification
von: Hoque, Khondaker Tasnia, et al.
Veröffentlicht: (2026)

Test It Before You Trust It: Applying Software Testing for Trustworthy In-context Learning
von: Racharak, Teeradaj, et al.
Veröffentlicht: (2025)

Deep Learning-Based Identification of Inconsistent Method Names: How Far Are We?
von: Wang, Taiming, et al.
Veröffentlicht: (2025)

Adaptive Testing for LLM-Based Applications: A Diversity-based Approach
von: Yoon, Juyeon, et al.
Veröffentlicht: (2025)

GenCode: A Generic Data Augmentation Framework for Boosting Deep Learning-Based Code Understanding
von: Dong, Zeming, et al.
Veröffentlicht: (2024)

Learning to Generate Unit Test via Adversarial Reinforcement Learning
von: Lee, Dongjun, et al.
Veröffentlicht: (2025)

The Impact of Software Testing with Quantum Optimization Meets Machine Learning
von: Bandarupalli, Gopichand
Veröffentlicht: (2025)

Inferring Pluggable Types with Machine Learning
von: Siddiqui, Kazi Amanul Islam, et al.
Veröffentlicht: (2024)

Quality Model for Machine Learning Components
von: Lewis, Grace A., et al.
Veröffentlicht: (2026)

Agile Management for Machine Learning: A Systematic Mapping Study
von: Romao, Lucas, et al.
Veröffentlicht: (2025)

The Vocabulary of Flaky Tests in the Context of SAP HANA
von: Berndt, Alexander, et al.
Veröffentlicht: (2026)

DriveTester: A Unified Platform for Simulation-Based Autonomous Driving Testing
von: Cheng, Mingfei, et al.
Veröffentlicht: (2024)