Buchumschlag

Latent Regularization in Generative Test Input Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Merabishvili, Giorgi, Weißl, Oliver, Stocco, Andrea
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Targeted Deep Learning System Boundary Testing
von: Weißl, Oliver, et al.
Veröffentlicht: (2024)

HyperNet-Adaptation for Diffusion-Based Test Case Generation
von: Weißl, Oliver, et al.
Veröffentlicht: (2026)

Feature-Aware Test Generation for Deep Learning Models
von: Chen, Xingcheng, et al.
Veröffentlicht: (2026)

Benchmarking Generative AI Models for Deep Learning Test Input Generation
von: Maryam, et al.
Veröffentlicht: (2024)

Generating Realistic, Diverse, and Fault-Revealing Inputs with Latent Space Interpolation for Testing Deep Neural Networks
von: Duan, Bin, et al.
Veröffentlicht: (2025)

Clotho: Measuring Task-Specific Pre-Generation Test Adequacy for LLM Inputs
von: Yoon, Juyeon, et al.
Veröffentlicht: (2025)

Predicting Safety Misbehaviours in Autonomous Driving Systems using Uncertainty Quantification
von: Grewal, Ruben, et al.
Veröffentlicht: (2024)

Assessing Quality Metrics for Neural Reality Gap Input Mitigation in Autonomous Driving Testing
von: Lambertenghi, Stefano Carlo, et al.
Veröffentlicht: (2024)

Latent Imitator: Generating Natural Individual Discriminatory Instances for Black-Box Fairness Testing
von: Xiao, Yisong, et al.
Veröffentlicht: (2023)

GIST: Generated Inputs Sets Transferability in Deep Learning
von: Tambon, Florian, et al.
Veröffentlicht: (2023)

Combining Neuroevolution with the Search for Novelty to Improve the Generation of Test Inputs for Games
von: Feldmeier, Patric, et al.
Veröffentlicht: (2024)

Towards Assessing Deep Learning Test Input Generators
von: Mzoughi, Seif, et al.
Veröffentlicht: (2025)

Learning-Based Testing for Deep Learning: Enhancing Model Robustness with Adversarial Input Prioritization
von: Rahman, Sheikh Md Mushfiqur, et al.
Veröffentlicht: (2025)

Latent Space Class Dispersion: Effective Test Data Quality Assessment for DNNs
von: Vekariya, Vivek, et al.
Veröffentlicht: (2025)

TopoMap: A Feature-based Semantic Discriminator of the Topographical Regions in the Test Input Space
von: De Vita, Gianmarco, et al.
Veröffentlicht: (2025)

System Safety Monitoring of Learned Components Using Temporal Metric Forecasting
von: Sharifi, Sepehr, et al.
Veröffentlicht: (2024)

Otter: Generating Tests from Issues to Validate SWE Patches
von: Ahmed, Toufique, et al.
Veröffentlicht: (2025)

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

Towards Automated Page Object Generation for Web Testing using Large Language Models
von: Karagöz, Betül, et al.
Veröffentlicht: (2026)

ExplainFuzz: Explainable and Constraint-Conditioned Test Generation with Probabilistic Circuits
von: Baiget, Annaëlle, et al.
Veröffentlicht: (2026)

PrismaDV: Automated Task-Aware Data Unit Test Generation
von: Chen, Hao, et al.
Veröffentlicht: (2026)

Using Large Language Models to Generate JUnit Tests: An Empirical Study
von: Siddiq, Mohammed Latif, et al.
Veröffentlicht: (2023)

PRIMG : Efficient LLM-driven Test Generation Using Mutant Prioritization
von: Bouafif, Mohamed Salah, et al.
Veröffentlicht: (2025)

LLM-Powered Test Case Generation for Detecting Bugs in Plausible Programs
von: Liu, Kaibo, et al.
Veröffentlicht: (2024)

Grounding Data Science Code Generation with Input-Output Specifications
von: Wen, Yeming, et al.
Veröffentlicht: (2024)

PPO guided Agentic Pipeline for Adaptive Prompt Selection and Test Case Generation
von: Koushik, Gourisetty Venkata Sai, et al.
Veröffentlicht: (2026)

Reinforcement Learning from Automatic Feedback for High-Quality Unit Test Generation
von: Steenhoek, Benjamin, et al.
Veröffentlicht: (2023)

Reinforcement Learning from Automatic Feedback for High-Quality Unit Test Generation
von: Steenhoek, Benjamin, et al.
Veröffentlicht: (2024)

From Particles to Perils: SVGD-Based Hazardous Scenario Generation for Autonomous Driving Systems Testing
von: Liang, Linfeng, et al.
Veröffentlicht: (2026)

Enabling Global, Human-Centered Explanations for LLMs:From Tokens to Interpretable Code and Test Generation
von: Khati, Dipin, et al.
Veröffentlicht: (2025)

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

Efficient Domain Augmentation for Autonomous Driving Testing Using Diffusion Models
von: Baresi, Luciano, et al.
Veröffentlicht: (2024)

Code-Aware Prompting: A study of Coverage Guided Test Generation in Regression Setting using LLM
von: Ryan, Gabriel, et al.
Veröffentlicht: (2024)

FeedbackLLM: Metadata driven Multi-Agentic Language Agnostic Test Case Generator with Evolving prompt and Coverage Feedback
von: Jasti, Kushal, et al.
Veröffentlicht: (2026)

Toward Efficient Testing of Graph Neural Networks via Test Input Prioritization
von: Yang, Lichen, et al.
Veröffentlicht: (2025)

DANDI: Diffusion as Normative Distribution for Deep Neural Network Input
von: Kim, Somin, et al.
Veröffentlicht: (2025)

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)

Automated Factual Benchmarking for In-Car Conversational Systems using Large Language Models
von: Giebisch, Rafael, et al.
Veröffentlicht: (2025)

Test Code Generation for Telecom Software Systems using Two-Stage Generative Model
von: Nabeel, Mohamad, et al.
Veröffentlicht: (2024)