Buchumschlag

RUM: Rule+LLM-Based Comprehensive Assessment on Testing Skills

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Yue, Chen, Zhenyu, Zhao, Yuan, Fang, Chunrong, Wang, Ziyuan, Huang, Song
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Vision-Based Mobile App GUI Testing: A Survey
von: Yu, Shengcheng, et al.
Veröffentlicht: (2023)

Towards Automated Crowdsourced Testing via Personified-LLM
von: Yu, Shengcheng, et al.
Veröffentlicht: (2026)

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

ACTesting: Automated Cross-modal Testing Method of Text-to-Image Software
von: Gu, Siqi, et al.
Veröffentlicht: (2023)

Scenario-Guided LLM-based Mobile App GUI Testing
von: Yu, Shengcheng, et al.
Veröffentlicht: (2025)

GPU Temperature Simulation-Based Testing for In-Vehicle Deep Learning Frameworks
von: Zou, Yinglong, et al.
Veröffentlicht: (2025)

Test Script Intention Generation for Mobile Application via GUI Image and Code Understanding
von: Yu, Shengcheng, et al.
Veröffentlicht: (2021)

Mutation-Based Deep Learning Framework Testing Method in JavaScript Environment
von: Zou, Yinglong, et al.
Veröffentlicht: (2024)

Deep Learning Framework Testing via Heuristic Guidance Based on Multiple Model Measurements
von: Zou, Yinglong, et al.
Veröffentlicht: (2025)

TestART: Improving LLM-based Unit Testing via Co-evolution of Automated Generation and Repair Iteration
von: Gu, Siqi, et al.
Veröffentlicht: (2024)

SWE-Skills-Bench: Do Agent Skills Actually Help in Real-World Software Engineering?
von: Han, Tingxu, et al.
Veröffentlicht: (2026)

CooTest: An Automated Testing Approach for V2X Communication Systems
von: Guo, An, et al.
Veröffentlicht: (2024)

TestBench: Evaluating Class-Level Test Case Generation Capability of Large Language Models
von: Zhang, Quanjun, et al.
Veröffentlicht: (2024)

Scalpel: Automotive Deep Learning Framework Testing via Assembling Model Components
von: Zou, Yinglong, et al.
Veröffentlicht: (2025)

Coverage Goal Selector for Combining Multiple Criteria in Search-Based Unit Test Generation
von: Zhou, Zhichao, et al.
Veröffentlicht: (2023)

Practical, Automated Scenario-based Mobile App Testing
von: Yu, Shengcheng, et al.
Veröffentlicht: (2024)

Improving Deep Learning Framework Testing with Model-Level Metamorphic Testing
von: Mu, Yanzhou, et al.
Veröffentlicht: (2025)

Large Language Models for Unit Testing: A Systematic Literature Review
von: Zhang, Quanjun, et al.
Veröffentlicht: (2025)

ATTest: Agent-Driven Tensor Testing for Deep Learning Library Modules
von: Zhan, Zhengyu, et al.
Veröffentlicht: (2026)

SGAgent: Suggestion-Guided LLM-Based Multi-Agent Framework for Repository-Level Software Repair
von: Zhang, Quanjun, et al.
Veröffentlicht: (2026)

ComPass: Contrastive Learning for Automated Patch Correctness Assessment in Program Repair
von: Zhang, Quanjun, et al.
Veröffentlicht: (2026)

Effective, Platform-Independent GUI Testing via Image Embedding and Reinforcement Learning
von: Yu, Shengcheng, et al.
Veröffentlicht: (2022)

Breaking, Stale, or Missing? Benchmarking Coding Agents on Project-Level Test Evolution
von: Shang, Ye, et al.
Veröffentlicht: (2026)

On the Effectiveness of Code Representation in Deep Learning-Based Automated Patch Correctness Assessment
von: Zhang, Quanjun, et al.
Veröffentlicht: (2026)

A Large-scale Empirical Study on Fine-tuning Large Language Models for Unit Testing
von: Shang, Ye, et al.
Veröffentlicht: (2024)

DevMuT: Testing Deep Learning Framework via Developer Expertise-Based Mutation
von: Mu, Yanzhou, et al.
Veröffentlicht: (2025)

Peeling Off the Cocoon: Unveiling Suppressed Golden Seeds for Mutational Greybox Fuzzing
von: Qian, Ruixiang, et al.
Veröffentlicht: (2026)

Machine Learning for Actionable Warning Identification: A Comprehensive Survey
von: Ge, Xiuting, et al.
Veröffentlicht: (2023)

Understanding LLM-Centric Challenges for Deep Learning Frameworks: An Empirical Analysis
von: Mu, Yanzhou, et al.
Veröffentlicht: (2025)

Deep Learning Framework Testing via Model Mutation: How Far Are We?
von: Mu, Yanzhou, et al.
Veröffentlicht: (2025)

Probing Privacy Leaks in LLM-based Code Generation via Test Generation
von: Ge, Yifei, et al.
Veröffentlicht: (2026)

Generate Realistic Test Scenes for V2X Communication Systems
von: Guo, An, et al.
Veröffentlicht: (2025)

SoVAR: Building Generalizable Scenarios from Accident Reports for Autonomous Driving Testing
von: Guo, An, et al.
Veröffentlicht: (2024)

An Effective Approach to Embedding Source Code by Combining Large Language and Sentence Embedding Models
von: Xian, Zixiang, et al.
Veröffentlicht: (2024)

TransformCode: A Contrastive Learning Framework for Code Embedding via Subtree Transformation
von: Xian, Zixiang, et al.
Veröffentlicht: (2023)

May the Feedback Be with You! Unlocking the Power of Feedback-Driven Deep Learning Framework Fuzzing via LLMs
von: Yang, Shaoyu, et al.
Veröffentlicht: (2025)

SemOpt: LLM-Driven Code Optimization via Rule-Based Analysis
von: Zhao, Yuwei, et al.
Veröffentlicht: (2025)

Redefining Crowdsourced Test Report Prioritization: An Innovative Approach with Large Language Model
von: Ling, Yuchen, et al.
Veröffentlicht: (2024)

Enhancing and Reporting Robustness Boundary of Neural Code Models for Intelligent Code Understanding
von: Han, Tingxu, et al.
Veröffentlicht: (2026)

No Man is an Island: Towards Fully Automatic Programming by Code Search, Code Generation and Program Repair
von: Zhang, Quanjun, et al.
Veröffentlicht: (2024)