Buchumschlag

Leveraging GPT-4 for Vulnerability-Witnessing Unit Test Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Antal, Gábor, Bán, Dénes, Isztin, Martin, Ferenc, Rudolf, Hegedűs, Péter
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Identifying Helpful Context for LLM-based Vulnerability Repair: A Preliminary Study
von: Antal, Gábor, et al.
Veröffentlicht: (2025)

Assessing GPT-4-Vision's Capabilities in UML-Based Code Generation
von: Antal, Gábor, et al.
Veröffentlicht: (2024)

Challenging Machine Learning Algorithms in Predicting Vulnerable JavaScript Functions
von: Ferenc, Rudolf, et al.
Veröffentlicht: (2024)

Enhanced Bug Prediction in JavaScript Programs with Hybrid Call-Graph Based Invocation Metrics
von: Antal, Gábor, et al.
Veröffentlicht: (2024)

Static JavaScript Call Graphs: A Comparative Study
von: Antal, Gábor, et al.
Veröffentlicht: (2024)

A Data-Mining Based Study of Security Vulnerability Types and Their Mitigation in Different Languages
von: Antal, Gábor, et al.
Veröffentlicht: (2024)

Leveraging Large Language Models for Enhancing the Understandability of Generated Unit Tests
von: Deljouyi, Amirhossein, et al.
Veröffentlicht: (2024)

EvoGPT: Leveraging LLM-Driven Seed Diversity to Improve Search-Based Test Suite Generation
von: Broide, Lior, et al.
Veröffentlicht: (2025)

A Large-Scale Collection Of (Non-)Actionable Static Code Analysis Reports
von: Kószó, Dávid, et al.
Veröffentlicht: (2025)

Towards Better Static Code Analysis Reports: Sentence Transformer-based Filtering of Non-Actionable Alerts
von: Aladics, Tamás, et al.
Veröffentlicht: (2026)

Evaluating Large Language Models for the Generation of Unit Tests with Equivalence Partitions and Boundary Values
von: Rodríguez, Martín, et al.
Veröffentlicht: (2025)

Employing Partial Least Squares Regression with Discriminant Analysis for Bug Prediction
von: Ferenc, Rudolf, et al.
Veröffentlicht: (2020)

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

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

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

TENET: Leveraging Tests Beyond Validation for Code Generation
von: Hu, Yiran, et al.
Veröffentlicht: (2025)

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

Static Program Analysis Guided LLM Based Unit Test Generation
von: Roychowdhury, Sujoy, et al.
Veröffentlicht: (2025)

Automated Unit Test Case Generation: A Systematic Literature Review
von: Wang, Jason, et al.
Veröffentlicht: (2025)

Domain Adaptation for Code Model-based Unit Test Case Generation
von: Shin, Jiho, et al.
Veröffentlicht: (2023)

SPARC: Scenario Planning and Reasoning for Automated C Unit Test Generation
von: Chowdhury, Jaid Monwar, et al.
Veröffentlicht: (2026)

LAUDE: LLM-Assisted Unit Test Generation and Debugging of Hardware DEsigns
von: Nandal, Deeksha, et al.
Veröffentlicht: (2026)

Navigating the Labyrinth: Path-Sensitive Unit Test Generation with Large Language Models
von: Liao, Dianshu, et al.
Veröffentlicht: (2025)

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

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

Unit Test Generation using Generative AI : A Comparative Performance Analysis of Autogeneration Tools
von: Bhatia, Shreya, et al.
Veröffentlicht: (2023)

New Interaction Paradigm for Complex EDA Software Leveraging GPT
von: Wang, Xinyu, et al.
Veröffentlicht: (2023)

Unit Testing in ASP Revisited: Language and Test-Driven Development Environment
von: Amendola, Giovanni, et al.
Veröffentlicht: (2024)

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

UnitTenX: Generating Tests for Legacy Packages with AI Agents Powered by Formal Verification
von: Charalambous, Yiannis, et al.
Veröffentlicht: (2025)

Impact of Code Context and Prompting Strategies on Automated Unit Test Generation with Modern General-Purpose Large Language Models
von: Walczak, Jakub, et al.
Veröffentlicht: (2025)

ACE: Self-Evolving LLM Coding Framework via Adversarial Unit Test Generation and Preference Optimization
von: Huang, Yixu, et al.
Veröffentlicht: (2026)

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

WIP: Assessing the Effectiveness of ChatGPT in Preparatory Testing Activities
von: Haldar, Susmita, et al.
Veröffentlicht: (2025)

AI-Assisted Unit Test Writing and Test-Driven Code Refactoring: A Case Study
von: Smolic, Ema, et al.
Veröffentlicht: (2026)

PathOCL: Path-Based Prompt Augmentation for OCL Generation with GPT-4
von: Abukhalaf, Seif, et al.
Veröffentlicht: (2024)

Transforming C++11 Code to C++03 to Support Legacy Compilation Environments
von: Antal, Gábor, et al.
Veröffentlicht: (2024)

Leveraging LLMs for Multi-File DSL Code Generation: An Industrial Case Study
von: Chand, Sivajeet, et al.
Veröffentlicht: (2026)

Beyond Accuracy: An Empirical Study on Unit Testing in Open-source Deep Learning Projects
von: Wang, Han, et al.
Veröffentlicht: (2024)

LLbezpeky: Leveraging Large Language Models for Vulnerability Detection
von: Mathews, Noble Saji, et al.
Veröffentlicht: (2024)