Buchumschlag

Empirical Insights of Test Selection Metrics under Multiple Testing Objectives and Distribution Shifts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Jingyu, Wang, Fan, Keung, Jacky, Liao, Yihan, Xiao, Yan, Ma, Lei
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exposing and Defending Membership Leakage in Vulnerability Prediction Models
von: Liao, Yihan, et al.
Veröffentlicht: (2025)

UniAda: Universal Adaptive Multi-objective Adversarial Attack for End-to-End Autonomous Driving Systems
von: Zhang, Jingyu, et al.
Veröffentlicht: (2026)

FedLAD: A Modular and Adaptive Testbed for Federated Log Anomaly Detection
von: Liao, Yihan, et al.
Veröffentlicht: (2025)

Delving into Parameter-Efficient Fine-Tuning in Code Change Learning: An Empirical Study
von: Liu, Shuo, et al.
Veröffentlicht: (2024)

An Empirical Study of Perceptions of General LLMs and Multimodal LLMs on Hugging Face
von: Liu, Yujian, et al.
Veröffentlicht: (2026)

Chart2Code-MoLA: Efficient Multi-Modal Code Generation via Adaptive Expert Routing
von: Wang, Yifei, et al.
Veröffentlicht: (2025)

SysTradeBench: An Iterative Build-Test-Patch Benchmark for Strategy-to-Code Trading Systems with Drift-Aware Diagnostics
von: Cao, Yuchen, et al.
Veröffentlicht: (2026)

On the Influence of Data Resampling for Deep Learning-Based Log Anomaly Detection: Insights and Recommendations
von: Ma, Xiaoxue, et al.
Veröffentlicht: (2024)

A Comprehensive Study of Bugs in Modern Distributed Deep Learning Systems
von: Ma, Xiaoxue, et al.
Veröffentlicht: (2025)

Towards Understanding Bugs in Distributed Training and Inference Frameworks for Large Language Models
von: Yu, Xiao, et al.
Veröffentlicht: (2025)

Fight Fire with Fire: How Much Can We Trust ChatGPT on Source Code-Related Tasks?
von: Yu, Xiao, et al.
Veröffentlicht: (2024)

R2Code: A Self-Reflective LLM Framework for Requirements-to-Code Traceability
von: Wang, Yifei, et al.
Veröffentlicht: (2026)

Large Language Models for Automated Web-Form-Test Generation: An Empirical Study
von: Li, Tao, et al.
Veröffentlicht: (2024)

Hybrid Privacy Policy-Code Consistency Check using Knowledge Graphs and LLMs
von: Mao, Zhenyu, et al.
Veröffentlicht: (2025)

Towards Engineering Multi-Agent LLMs: A Protocol-Driven Approach
von: Mao, Zhenyu, et al.
Veröffentlicht: (2025)

ABFS: Natural Robustness Testing for LLM-based NLP Software
von: Xiao, Mingxuan, et al.
Veröffentlicht: (2025)

Assessing the Robustness of LLM-based NLP Software via Automated Testing
von: Xiao, Mingxuan, et al.
Veröffentlicht: (2024)

Data Preparation for Deep Learning based Code Smell Detection: A Systematic Literature Review
von: Zhang, Fengji, et al.
Veröffentlicht: (2024)

Quality Assurance for LLM-RAG Systems: Empirical Insights from Tourism Application Testing
von: Ahmed, Bestoun S., et al.
Veröffentlicht: (2025)

Lightweight Model Editing for LLMs to Correct Deprecated API Recommendations
von: Lin, Guancheng, et al.
Veröffentlicht: (2025)

An Empirical Study: MEMS as a Static Performance Metric
von: Zhang, Liwei, et al.
Veröffentlicht: (2025)

Practitioners' Expectations on Log Anomaly Detection
von: Ma, Xiaoxue, et al.
Veröffentlicht: (2024)

When Fine-Tuning LLMs Meets Data Privacy: An Empirical Study of Federated Learning in LLM-Based Program Repair
von: Luo, Wenqiang, et al.
Veröffentlicht: (2024)

Towards Requirements Engineering for GenAI-Enabled Software: Bridging Responsibility Gaps through Human Oversight Requirements
von: Mao, Zhenyu, et al.
Veröffentlicht: (2025)

Testing with AI Agents: An Empirical Study of Test Generation Frequency, Quality, and Coverage
von: Yoshimoto, Suzuka, et al.
Veröffentlicht: (2026)

Testing the Untestable? An Empirical Study on the Testing Process of LLM-Powered Software Systems
von: Magalhaes, Cleyton, et al.
Veröffentlicht: (2025)

Fine-grained Testing for Autonomous Driving Software: a Study on Autoware with LLM-driven Unit Testing
von: Wang, Wenhan, et al.
Veröffentlicht: (2025)

Empirical Derivations from an Evolving Test Suite
von: Ruohonen, Jukka, et al.
Veröffentlicht: (2025)

MultiTest: Physical-Aware Object Insertion for Testing Multi-sensor Fusion Perception Systems
von: Gao, Xinyu, et al.
Veröffentlicht: (2024)

Beyond Code: Empirical Insights into How Team Dynamics Influence OSS Project Selection
von: Nirmani, Shashiwadana, et al.
Veröffentlicht: (2026)

Can We Classify Flaky Tests Using Only Test Code? An LLM-Based Empirical Study
von: Berndt, Alexander, et al.
Veröffentlicht: (2026)

On Test Sequence Generation using Multi-Objective Particle Swarm Optimization
von: Iqbal, Zain, et al.
Veröffentlicht: (2024)

Fix the Tests: Augmenting LLMs to Repair Test Cases with Static Collector and Neural Reranker
von: Liu, Jun, et al.
Veröffentlicht: (2024)

MoDitector: Module-Directed Testing for Autonomous Driving Systems
von: Wang, Renzhi, et al.
Veröffentlicht: (2025)

Understanding Bug-Reproducing Tests: A First Empirical Study
von: Hora, Andre, et al.
Veröffentlicht: (2026)

Are Coding Agents Generating Over-Mocked Tests? An Empirical Study
von: Hora, Andre, et al.
Veröffentlicht: (2026)

Understanding API Usage and Testing: An Empirical Study of C Libraries
von: Zaki, Ahmed, et al.
Veröffentlicht: (2025)

AutoTest: Evolutionary Code Solution Selection with Test Cases
von: Duan, Zhihua, et al.
Veröffentlicht: (2024)

R2ComSync: Improving Code-Comment Synchronization with In-Context Learning and Reranking
von: Yang, Zhen, et al.
Veröffentlicht: (2025)

BASFuzz: Towards Robustness Evaluation of LLM-based NLP Software via Automated Fuzz Testing
von: Xiao, Mingxuan, et al.
Veröffentlicht: (2025)