Buchumschlag

KAT: Dependency-aware Automated API Testing with Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Le, Tri, Tran, Thien, Cao, Duy, Le, Vy, Nguyen, Tien, Nguyen, Vu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Toward Generation of Test Cases from Task Descriptions via History-aware Planning
von: Cao, Duy, et al.
Veröffentlicht: (2025)

RBCTest: Leveraging LLMs to Mine and Verify Oracles of API Response Bodies for RESTful API Testing
von: Huynh, Hieu, et al.
Veröffentlicht: (2025)

TestWeaver: Execution-aware, Feedback-driven Regression Testing Generation with Large Language Models
von: Le, Cuong Chi, et al.
Veröffentlicht: (2025)

Reinforcement Learning-Based REST API Testing with Multi-Coverage
von: Nguyen, Tien-Quang, et al.
Veröffentlicht: (2024)

Segment-Based Test Case Prioritization: A Multi-objective Approach
von: Huynh, Hieu, et al.
Veröffentlicht: (2024)

CodeLSI: Leveraging Foundation Models for Automated Code Generation with Low-Rank Optimization and Domain-Specific Instruction Tuning
von: Le, Huy, et al.
Veröffentlicht: (2025)

VisualCoder: Guiding Large Language Models in Code Execution with Fine-grained Multimodal Chain-of-Thought Reasoning
von: Le, Cuong Chi, et al.
Veröffentlicht: (2024)

Towards Test Generation from Task Description for Mobile Testing with Multi-modal Reasoning
von: Huynh, Hieu, et al.
Veröffentlicht: (2025)

Semantic Evolution over Populations for LLM-Guided Automated Program Repair
von: Le, Cuong Chi, et al.
Veröffentlicht: (2026)

Enhancing Fuzz Testing Efficiency through Automated Fuzz Target Generation
von: Tran, Chi Thien
Veröffentlicht: (2026)

Automated Web Application Testing: End-to-End Test Case Generation with Large Language Models and Screen Transition Graphs
von: Le, Nguyen-Khang, et al.
Veröffentlicht: (2025)

Enhancing Program Repair with Specification Guidance and Intermediate Behavioral Signals
von: Le-Anh, Minh, et al.
Veröffentlicht: (2026)

MEMRES: A Memory-Augmented Resolver with Confidence Cascade for Agentic Python Dependency Resolution
von: Minh, Dao Sy Duy, et al.
Veröffentlicht: (2026)

Assessing Large Language Models for Stabilizing Numerical Expressions in Scientific Software
von: Nguyen, Tien, et al.
Veröffentlicht: (2026)

Program Structure-aware Language Models: Targeted Software Testing beyond Textual Semantics
von: Tran, Khang, et al.
Veröffentlicht: (2026)

Leveraging Large Language Models to Improve REST API Testing
von: Kim, Myeongsoo, et al.
Veröffentlicht: (2023)

Automated Update of Android Deprecated API Usages with Large Language Models
von: Mahmud, Tarek, et al.
Veröffentlicht: (2024)

Log-based, Business-aware REST API Testing
von: Yang, Ding, et al.
Veröffentlicht: (2026)

The Effect of Code Obfuscation on Human Program Comprehension
von: Nguyen, Anh H. N., et al.
Veröffentlicht: (2026)

Automated Program Repair Based on REST API Specifications Using Large Language Models
von: Yamagishi, Katsuki, et al.
Veröffentlicht: (2025)

CodeFlow: Program Behavior Prediction with Dynamic Dependencies Learning
von: Le, Cuong Chi, et al.
Veröffentlicht: (2024)

An Empirical Study on Capability of Large Language Models in Understanding Code Semantics
von: Nguyen, Thu-Trang, et al.
Veröffentlicht: (2024)

Natural Is The Best: Model-Agnostic Code Simplification for Pre-trained Large Language Models
von: Wang, Yan, et al.
Veröffentlicht: (2024)

Do Not Treat Code as Natural Language: Implications for Repository-Level Code Generation and Beyond
von: Le-Anh, Minh, et al.
Veröffentlicht: (2026)

APITestGenie: Automated API Test Generation through Generative AI
von: Pereira, André, et al.
Veröffentlicht: (2024)

Identifying and Mitigating API Misuse in Large Language Models
von: Zhuo, Terry Yue, et al.
Veröffentlicht: (2025)

Towards Reliable Evaluation of Neural Program Repair with Natural Robustness Testing
von: Le-Cong, Thanh, et al.
Veröffentlicht: (2024)

Automated Harmfulness Testing for Code Large Language Models
von: Tan, Honghao, et al.
Veröffentlicht: (2025)

When Retriever Meets Generator: A Joint Model for Code Comment Generation
von: Le, Tien P. T., et al.
Veröffentlicht: (2025)

SpecMind: Cognitively Inspired, Interactive Multi-Turn Framework for Postcondition Inference
von: Le, Cuong Chi, et al.
Veröffentlicht: (2026)

Correctness Assessment of Code Generated by Large Language Models Using Internal Representations
von: Bui, Tuan-Dung, et al.
Veröffentlicht: (2025)

Automated Description Generation for Software Patches
von: Vu, Thanh Trong, et al.
Veröffentlicht: (2024)

Revisiting Unnaturalness for Automated Program Repair in the Era of Large Language Models
von: Yang, Aidan Z. H., et al.
Veröffentlicht: (2024)

Comparison of Static Application Security Testing Tools and Large Language Models for Repo-level Vulnerability Detection
von: Zhou, Xin, et al.
Veröffentlicht: (2024)

CodeWiki: Evaluating AI's Ability to Generate Holistic Documentation for Large-Scale Codebases
von: Hoang, Anh Nguyen, et al.
Veröffentlicht: (2025)

LEANCODE: Understanding Models Better for Code Simplification of Pre-trained Large Language Models
von: Wang, Yan, et al.
Veröffentlicht: (2025)

SWE-Synth: Synthesizing Verifiable Bug-Fix Data to Enable Large Language Models in Resolving Real-World Bugs
von: Pham, Minh V. T., et al.
Veröffentlicht: (2025)

Automating REST API Postman Test Cases Using LLM
von: Sri, S Deepika, et al.
Veröffentlicht: (2024)

VulGuard: An Unified Tool for Evaluating Just-In-Time Vulnerability Prediction Models
von: Nguyen, Duong, et al.
Veröffentlicht: (2025)

ASAP-Repair: API-Specific Automated Program Repair Based on API Usage Graphs
von: Nielebock, Sebastian, et al.
Veröffentlicht: (2024)