Buchumschlag

Methodological Framework for Quantifying Semantic Test Coverage in RAG Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Broestl, Noah, Abdalla, Adel Nasser, Bale, Rajprakash, Gupta, Hersh, Struever, Max
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CLOVER: A Test Case Generation Benchmark with Coverage, Long-Context, and Verification
von: Xu, Jiacheng, et al.
Veröffentlicht: (2025)

Exploring the Integration of Large Language Models in Industrial Test Maintenance Processes
von: Liu, Jingxiong, et al.
Veröffentlicht: (2024)

Agile Story-Point Estimation: Is RAG a Better Way to Go?
von: Maha, Lamyea, et al.
Veröffentlicht: (2026)

Uncovering Discrimination Clusters: Quantifying and Explaining Systematic Fairness Violations
von: Akash, Ranit Debnath, et al.
Veröffentlicht: (2025)

A Conceptual Framework for Ethical Evaluation of Machine Learning Systems
von: Gupta, Neha R., et al.
Veröffentlicht: (2024)

MASTEST: A LLM-Based Multi-Agent System For RESTful API Tests
von: Han, Xiaoke, et al.
Veröffentlicht: (2025)

Codehacks: A Dataset of Adversarial Tests for Competitive Programming Problems Obtained from Codeforces
von: Hort, Max, et al.
Veröffentlicht: (2025)

Semantic-Preserving Transformations as Mutation Operators: A Study on Their Effectiveness in Defect Detection
von: Hort, Max, et al.
Veröffentlicht: (2025)

scicode-lint: Detecting Methodology Bugs in Scientific Python Code with LLM-Generated Patterns
von: Samsonau, Sergey V.
Veröffentlicht: (2026)

Can Search-Based Testing with Pareto Optimization Effectively Cover Failure-Revealing Test Inputs?
von: Sorokin, Lev, et al.
Veröffentlicht: (2024)

RACC: Representation-Aware Coverage Criteria for LLM Safety Testing
von: Wei, Zeming, et al.
Veröffentlicht: (2026)

How Robustly do LLMs Understand Execution Semantics?
von: Spiess, Claudio, et al.
Veröffentlicht: (2026)

When Your LLM Reaches End-of-Life: A Framework for Confident Model Migration in Production Systems
von: Casey, Emma, et al.
Veröffentlicht: (2026)

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

Co-Located Tests, Better AI Code: How Test Syntax Structure Affects Foundation Model Code Generation
von: Jacopin, Éric
Veröffentlicht: (2026)

Semantic Voting: Execution-Grounded Consensus for LLM Code Generation
von: Jiang, Shan, et al.
Veröffentlicht: (2026)

Generative AI to Generate Test Data Generators
von: Baudry, Benoit, et al.
Veröffentlicht: (2024)

Understanding LLM-Driven Test Oracle Generation
von: Bodicoat, Adam, et al.
Veröffentlicht: (2026)

Code Generation by Differential Test Time Scaling
von: He, Yifeng, et al.
Veröffentlicht: (2026)

A Stochastic Differential Equation Framework for Multi-Objective LLM Interactions: Dynamical Systems Analysis with Code Generation Applications
von: Shukla, Shivani, et al.
Veröffentlicht: (2025)

Mutation-Guided LLM-based Test Generation at Meta
von: Foster, Christopher, et al.
Veröffentlicht: (2025)

DeepKnowledge: Generalisation-Driven Deep Learning Testing
von: Missaoui, Sondess, et al.
Veröffentlicht: (2024)

A Theoretical Analysis of Test-Driven Code Generation
von: Menet, Nicolas, et al.
Veröffentlicht: (2026)

Enhancing LLM-Based Test Generation by Eliminating Covered Code
von: Xu, WeiZhe, et al.
Veröffentlicht: (2026)

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

RBT4DNN: Requirements-based Testing of Neural Networks
von: Mozumder, Nusrat Jahan, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Online Testing of Autonomous Driving Systems: a Replication and Extension Study
von: Giamattei, Luca, et al.
Veröffentlicht: (2024)

LGMT: Logic-Grounded Metamorphic Testing for Evaluating the Reasoning Reliability of LLMs
von: Zhou, Zenghui, et al.
Veröffentlicht: (2026)

Using Quality Attribute Scenarios for ML Model Test Case Generation
von: Brower-Sinning, Rachel, et al.
Veröffentlicht: (2024)

VeriScale: Adversarial Test-Suite Scaling for Verifiable Code Generation
von: Bai, Yifan, et al.
Veröffentlicht: (2026)

SWE-Replay: Efficient Test-Time Scaling for Software Engineering Agents
von: Ding, Yifeng, et al.
Veröffentlicht: (2026)

Read, Extract, Classify: A Tool for Smarter Requirements Engineering
von: Bhattacharya, Paheli, et al.
Veröffentlicht: (2026)

Zero-Shot Attribution for Large Language Models: A Distribution Testing Approach
von: Canonne, Clément L., et al.
Veröffentlicht: (2025)

SWT-Bench: Testing and Validating Real-World Bug-Fixes with Code Agents
von: Mündler, Niels, et al.
Veröffentlicht: (2024)

MIST-RL: Mutation-based Incremental Suite Testing via Reinforcement Learning
von: Zhu, Sicheng, et al.
Veröffentlicht: (2026)

Parameter-Efficient Fine-Tuning of Large Language Models for Unit Test Generation: An Empirical Study
von: Storhaug, André, et al.
Veröffentlicht: (2024)

CDS4RAG: Cyclic Dual-Sequential Hyperparameter Optimization for RAG
von: Chen, Pengzhou, et al.
Veröffentlicht: (2026)

A Reference Architecture of Reinforcement Learning Frameworks
von: Liu, Xiaoran, et al.
Veröffentlicht: (2026)

A Framework to Model ML Engineering Processes
von: Morales, Sergio, et al.
Veröffentlicht: (2024)

AI-driven Java Performance Testing: Balancing Result Quality with Testing Time
von: Traini, Luca, et al.
Veröffentlicht: (2024)