Buchumschlag

An LSTM-based Test Selection Method for Self-Driving Cars

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Güllü, Ali, Shah, Faiz Ali, Pfahl, Dietmar
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Robotics Software Engineering D.2.5; I.6.4
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Recommended Practices for Spreadsheet Testing
von: Panko, Raymond R.
Veröffentlicht: (2007)

AIRA: AI-Induced Risk Audit: A Structured Inspection Framework for AI-Generated Code
von: Parris, William M.
Veröffentlicht: (2026)

Understanding and Detecting Flaky Builds in GitHub Actions
von: Ge, Wenhao, et al.
Veröffentlicht: (2026)

Investigating the Potential of Test-Driven Development for Spreadsheet Engineering
von: Rust, Alan, et al.
Veröffentlicht: (2008)

Validating Solidity Code Defects using Symbolic and Concrete Execution powered by Large Language Models
von: Susan, Ştefan-Claudiu, et al.
Veröffentlicht: (2025)

Towards Explainable Test Case Prioritisation with Learning-to-Rank Models
von: Ramírez, Aurora, et al.
Veröffentlicht: (2024)

VulScribeR: Exploring RAG-based Vulnerability Augmentation with LLMs
von: Daneshvar, Seyed Shayan, et al.
Veröffentlicht: (2024)

Mining Subscenario Refactoring Opportunities in Behaviour-Driven Software Test Suites: ML Classifiers and LLM-Judge Baselines
von: Mughal, Ali Hassaan, et al.
Veröffentlicht: (2026)

MeDeT: Medical Device Digital Twins Creation with Few-shot Meta-learning
von: Sartaj, Hassan, et al.
Veröffentlicht: (2024)

Enhancing Differential Testing With LLMs For Testing Deep Learning Libraries
von: Li, Meiziniu, et al.
Veröffentlicht: (2024)

Orion: Fuzzing Workflow Automation
von: Bazalii, Max, et al.
Veröffentlicht: (2025)

DEFault++: Automated Fault Detection, Categorization, and Diagnosis for Transformer Architectures
von: Jahan, Sigma, et al.
Veröffentlicht: (2026)

CovRL: Fuzzing JavaScript Engines with Coverage-Guided Reinforcement Learning for LLM-based Mutation
von: Eom, Jueon, et al.
Veröffentlicht: (2024)

The Specification as Quality Gate: Three Hypotheses on AI-Assisted Code Review
von: Zietsman, Christo
Veröffentlicht: (2026)

GALA: Multimodal Graph Alignment for Bug Localization in Automated Program Repair
von: Liu, Zhuoyao, et al.
Veröffentlicht: (2026)

ClawHub Security Signals: When VirusTotal, Static Analysis, and SkillSpector Disagree
von: Koc, Vincent, et al.
Veröffentlicht: (2026)

On the Mistaken Assumption of Interchangeable Deep Reinforcement Learning Implementations
von: Hundal, Rajdeep Singh, et al.
Veröffentlicht: (2025)

SpecOps: A Fully Automated AI Agent Testing Framework in Real-World GUI Environments
von: Ahmed, Syed Yusuf, et al.
Veröffentlicht: (2026)

COMET: Coverage-guided Model Generation For Deep Learning Library Testing
von: Li, Meiziniu, et al.
Veröffentlicht: (2022)

Two is Better Than One: Digital Siblings to Improve Autonomous Driving Testing
von: Biagiola, Matteo, et al.
Veröffentlicht: (2023)

CUJBench: Benchmarking LLM-Agent on Cross-Modal Failure Diagnosis from Browser to Backend
von: Meng, Haoming
Veröffentlicht: (2026)

SWE-ABS: Adversarial Benchmark Strengthening Exposes Inflated Success Rates on Test-based Benchmark
von: Yu, Boxi, et al.
Veröffentlicht: (2026)

AuditRepairBench: A Paired-Execution Trace Corpus for Evaluator-Channel Ranking Instability in Agent Repair
von: Hu, Yuelin, et al.
Veröffentlicht: (2026)

Spreadsheet Debugging
von: Ayalew, Yirsaw, et al.
Veröffentlicht: (2008)

Comparison of Spreadsheets with other Development Tools (limitations, solutions, workarounds and alternatives)
von: Murphy, Simon
Veröffentlicht: (2008)

DRS-OSS: Practical Diff Risk Scoring with LLMs
von: Sayedsalehi, Ali, et al.
Veröffentlicht: (2025)

PALM: Path-aware LLM-based Test Generation with Comprehension
von: Wu, Yaoxuan, et al.
Veröffentlicht: (2025)

PathBench-MIL: A Comprehensive AutoML and Benchmarking Framework for Multiple Instance Learning in Histopathology
von: Brussee, Siemen, et al.
Veröffentlicht: (2025)

CodeTracer: Towards Traceable Agent States
von: Li, Han, et al.
Veröffentlicht: (2026)

Automated structural testing of LLM-based agents: methods, framework, and case studies
von: Kohl, Jens, et al.
Veröffentlicht: (2026)

Testing SSD Firmware with State Data-Aware Fuzzing: Accelerating Coverage in Nondeterministic I/O Environments
von: Yoon, Gangho, et al.
Veröffentlicht: (2025)

Adaptive and AI-Augmented Security Testing: A Systematic Survey of Program Analysis, Feedback-Driven Testing, and Hybrid Learning-Based Approaches
von: Wienczkowski, Michael
Veröffentlicht: (2026)

Can Large Language Models Implement Agent-Based Models? An ODD-based Replication Study
von: Fachada, Nuno, et al.
Veröffentlicht: (2026)

Demystifying the Silence of Correctness Bugs in PyTorch Compiler
von: Li, Meiziniu, et al.
Veröffentlicht: (2026)

LLMLOOP: Improving LLM-Generated Code and Tests through Automated Iterative Feedback Loops
von: Ravi, Ravin, et al.
Veröffentlicht: (2026)

Continuous Discovery of Vulnerabilities in LLM Serving Systems with Fuzzing
von: Zhao, Yunze, et al.
Veröffentlicht: (2026)

RMCBench: Benchmarking Large Language Models' Resistance to Malicious Code
von: Chen, Jiachi, et al.
Veröffentlicht: (2024)

Monitoring Agentic Systems Before They're Reliable
von: Boston, Marisa Ferrara, et al.
Veröffentlicht: (2026)

AgentEval: DAG-Structured Step-Level Evaluation for Agentic Workflows with Error Propagation Tracking
von: Guo, Dongxin, et al.
Veröffentlicht: (2026)

Towards a Probabilistic Framework for Analyzing and Improving LLM-Enabled Software
von: Baldonado, Juan Manuel, et al.
Veröffentlicht: (2025)