Buchumschlag

FeedbackLLM: Metadata driven Multi-Agentic Language Agnostic Test Case Generator with Evolving prompt and Coverage Feedback

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jasti, Kushal, Sahu, Tejamani Prashanth, Pentyala, Rishitha, Mohit, Muvvala, Yelleti, Vivek
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

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

TestForge: Feedback-Driven, Agentic Test Suite Generation
von: Jain, Kush, et al.
Veröffentlicht: (2025)

FGDM: Reasoning Aware Multi-Agentic Framework for Software Bug Detection using Chain of Thought and Tree of Thought Prompting
von: Padmanabhuni, Srita, et al.
Veröffentlicht: (2026)

Testing Agentic Workflows with Structural Coverage Criteria
von: Kahani, Nafiseh, et al.
Veröffentlicht: (2026)

TestWeaver: Execution-aware, Feedback-driven Regression Testing Generation with Large Language Models
von: Le, Cuong Chi, et al.
Veröffentlicht: (2025)

FLARE: Agentic Coverage-Guided Fuzzing for LLM-Based Multi-Agent Systems
von: Hui, Mingxuan, et al.
Veröffentlicht: (2026)

Generalizing Test Cases for Comprehensive Test Scenario Coverage
von: Qi, Binhang, et al.
Veröffentlicht: (2026)

Hybrid LLM Routing for Efficient App Feedback Classification
von: Abedini, Yasaman, et al.
Veröffentlicht: (2025)

ReFuzzer: Feedback-Driven Approach to Enhance Validity of LLM-Generated Test Programs
von: Shree, Iti, et al.
Veröffentlicht: (2025)

On the Footprints of Reviewer Bots Feedback on Agentic Pull Requests in OSS GitHub Repositories
von: Fatima, Syeda Kaneez, et al.
Veröffentlicht: (2026)

A Case Study of LLM for Automated Vulnerability Repair: Assessing Impact of Reasoning and Patch Validation Feedback
von: Kulsum, Ummay, et al.
Veröffentlicht: (2024)

Requirements Coverage-Guided Minimization for Natural Language Test Cases
von: Pan, Rongqi, et al.
Veröffentlicht: (2025)

CodeContests-O: Powering LLMs via Feedback-Driven Iterative Test Case Generation
von: Cai, Jianfeng, et al.
Veröffentlicht: (2026)

Heterogeneous Prompting and Execution Feedback for SWE Issue Test Generation and Selection
von: Ahmed, Toufique, et al.
Veröffentlicht: (2025)

LLAMA: Multi-Feedback Smart Contract Fuzzing Framework with LLM-Guided Seed Generation
von: Gai, Keke, et al.
Veröffentlicht: (2025)

Reinforcement Learning-Based REST API Testing with Multi-Coverage
von: Nguyen, Tien-Quang, et al.
Veröffentlicht: (2024)

Echo: Graph-Enhanced Retrieval and Execution Feedback for Issue Reproduction Test Generation
von: Fei, Zhiwei, et al.
Veröffentlicht: (2026)

SimADFuzz: Simulation-Feedback Fuzz Testing for Autonomous Driving Systems
von: Yang, Huiwen, et al.
Veröffentlicht: (2024)

GenX: Mastering Code and Test Generation with Execution Feedback
von: Wang, Nan, et al.
Veröffentlicht: (2024)

Autonomous LLM-generated Feedback for Student Exercises in Introductory Software Engineering Courses
von: Metzger, Andreas
Veröffentlicht: (2026)

GraphFuzz: Automated Testing of Graph Algorithm Implementations with Differential Fuzzing and Lightweight Feedback
von: Yan, Wenqi, et al.
Veröffentlicht: (2025)

A Feedback Toolkit and Procedural Guidance for Teaching Thorough Testing
von: Dick, Steffen, et al.
Veröffentlicht: (2024)

Static Analysis as a Feedback Loop: Enhancing LLM-Generated Code Beyond Correctness
von: Blyth, Scott, et al.
Veröffentlicht: (2025)

ReuseDroid: A VLM-empowered Android UI Test Migrator Boosted by Active Feedback
von: Li, Xiaolei, et al.
Veröffentlicht: (2025)

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)

FeedbackEval: A Benchmark for Evaluating Large Language Models in Feedback-Driven Code Repair Tasks
von: Dai, Dekun, et al.
Veröffentlicht: (2025)

Using a Feedback Loop for LLM-based Infrastructure as Code Generation
von: Palavalli, Mayur Amarnath, et al.
Veröffentlicht: (2024)

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)

Generalized Coverage Criteria for Combinatorial Sequence Testing
von: Elyasaf, Achiya, et al.
Veröffentlicht: (2022)

Feedback Loops and Code Perturbations in LLM-based Software Engineering: A Case Study on a C-to-Rust Translation System
von: Weiss, Martin, et al.
Veröffentlicht: (2025)

PEFA-AI: Advancing Open-source LLMs for RTL generation using Progressive Error Feedback Agentic-AI
von: Narayanan, Athma, et al.
Veröffentlicht: (2025)

Effective LLM Code Refinement via Property-Oriented and Structurally Minimal Feedback
von: He, Lehan, et al.
Veröffentlicht: (2025)

AutoFeedback: An LLM-based Framework for Efficient and Accurate API Request Generation
von: Liu, Huanxi, et al.
Veröffentlicht: (2024)

Helping LLMs Improve Code Generation Using Feedback from Testing and Static Analysis
von: Dolcetti, Greta, et al.
Veröffentlicht: (2024)

Enhancing User-Feedback Driven Requirements Prioritization
von: Chattopadhyay, Aurek, et al.
Veröffentlicht: (2026)

LLM-as-a-Judge for Scalable Test Coverage Evaluation: Accuracy, Operational Reliability, and Cost
von: Huang, Donghao, 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 Refactoring Engine via Historical Bug Report driven LLM
von: Wang, Haibo, et al.
Veröffentlicht: (2025)

A Hierarchical and Evolvable Benchmark for Fine-Grained Code Instruction Following with Multi-Turn Feedback
von: Duan, Guoliang, et al.
Veröffentlicht: (2025)