Buchumschlag

GUITestScape: Towards Open-set Evaluation on Exploratory GUI Testing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Xiaoyi, Gao, Yifei, Xu, Yang, Song, Xingxing, Zhang, Yi, Sang, Jitao
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

You Don't Know Until You Click:Automated GUI Testing for Production-Ready Software Evaluation
von: Bian, Yutong, et al.
Veröffentlicht: (2025)

o1-Coder: an o1 Replication for Coding
von: Zhang, Yuxiang, et al.
Veröffentlicht: (2024)

MIMIC-Py: An Extensible Tool for Personality-Driven Automated Game Testing with Large Language Models
von: Chen, Yifei, et al.
Veröffentlicht: (2026)

DiagEval: Trajectory-Conditioned Diagnosis for Reliable Software Evaluation with GUI Agents
von: Hong, Sirui, et al.
Veröffentlicht: (2026)

Towards Reliable Evaluation of Neural Program Repair with Natural Robustness Testing
von: Le-Cong, Thanh, et al.
Veröffentlicht: (2024)

GUITester: Enabling GUI Agents for Exploratory Defect Discovery
von: Gao, Yifei, et al.
Veröffentlicht: (2026)

Fragmented Layer Grouping in GUI Designs Through Graph Learning Based on Multimodal Information
von: Chen, Yunnong, et al.
Veröffentlicht: (2024)

Demystifying Issues, Causes and Solutions in LLM Open-Source Projects
von: Cai, Yangxiao, et al.
Veröffentlicht: (2024)

Early External Safety Testing of OpenAI's o3-mini: Insights from the Pre-Deployment Evaluation
von: Arrieta, Aitor, et al.
Veröffentlicht: (2025)

Qualitative Evaluation of LLM-Designed GUI
von: Sawicki, Bartosz, et al.
Veröffentlicht: (2026)

LLMParser: An Exploratory Study on Using Large Language Models for Log Parsing
von: Ma, Zeyang, et al.
Veröffentlicht: (2024)

VLAA-GUI: Knowing When to Stop, Recover, and Search, A Modular Framework for GUI Automation
von: Han, Qijun, et al.
Veröffentlicht: (2026)

Tests as Prompt: A Test-Driven-Development Benchmark for LLM Code Generation
von: Cui, Yi
Veröffentlicht: (2025)

Beyond Accuracy: An Empirical Study on Unit Testing in Open-source Deep Learning Projects
von: Wang, Han, et al.
Veröffentlicht: (2024)

TREAT: A Code LLMs Trustworthiness / Reliability Evaluation and Testing Framework
von: Gao, Shuzheng, et al.
Veröffentlicht: (2025)

Open the Oyster: Empirical Evaluation and Improvement of Code Reasoning Confidence in LLMs
von: Wang, Shufan, et al.
Veröffentlicht: (2025)

Just-in-Time Catching Test Generation at Meta
von: Becker, Matthew, et al.
Veröffentlicht: (2026)

SafeGround: Know When to Trust GUI Grounding Models via Uncertainty Calibration
von: Wang, Qingni, et al.
Veröffentlicht: (2026)

AndroidControl-Curated: Revealing the True Potential of GUI Agents through Benchmark Purification
von: Leung, Ho Fai, et al.
Veröffentlicht: (2025)

Towards a Framework for Openness in Foundation Models: Proceedings from the Columbia Convening on Openness in Artificial Intelligence
von: Basdevant, Adrien, et al.
Veröffentlicht: (2024)

Look Before You Leap: An Exploratory Study of Uncertainty Measurement for Large Language Models
von: Huang, Yuheng, et al.
Veröffentlicht: (2023)

An Empirical Study of OpenAI API Discussions on Stack Overflow
von: Chen, Xiang, et al.
Veröffentlicht: (2025)

Clarifying Semantics of In-Context Examples for Unit Test Generation
von: Yang, Chen, et al.
Veröffentlicht: (2025)

LogiCase: Effective Test Case Generation from Logical Description in Competitive Programming
von: Sung, Sicheol, et al.
Veröffentlicht: (2025)

Evaluating Human Trajectory Prediction with Metamorphic Testing
von: Spieker, Helge, et al.
Veröffentlicht: (2024)

Towards Better Correctness and Efficiency in Code Generation
von: Feng, Yunlong, et al.
Veröffentlicht: (2025)

LLM-Based Test Case Generation in DBMS through Monte Carlo Tree Search
von: Chen, Yujia, et al.
Veröffentlicht: (2026)

ReCatcher: Towards LLMs Regression Testing for Code Generation
von: Abbassi, Altaf Allah, et al.
Veröffentlicht: (2025)

InfraMind: A Novel Exploration-based GUI Agentic Framework for Mission-critical Industrial Management
von: Lin, Liangtao, et al.
Veröffentlicht: (2025)

SWE-Compass: Towards Unified Evaluation of Agentic Coding Abilities for Large Language Models
von: Xu, Jingxuan, et al.
Veröffentlicht: (2025)

Benchmarks for Trajectory Safety Evaluation and Diagnosis in OpenClaw and Codex: ATBench-Claw and ATBench-Codex
von: Yang, Zhonghao, et al.
Veröffentlicht: (2026)

Towards Reliable LLM-Driven Fuzz Testing: Vision and Road Ahead
von: Cheng, Yiran, et al.
Veröffentlicht: (2025)

Harden and Catch for Just-in-Time Assured LLM-Based Software Testing: Open Research Challenges
von: Harman, Mark, et al.
Veröffentlicht: (2025)

TAM-Eval: Evaluating LLMs for Automated Unit Test Maintenance
von: Bruches, Elena, et al.
Veröffentlicht: (2026)

Evaluating LLM-Based Test Generation Under Software Evolution
von: Haroon, Sabaat, et al.
Veröffentlicht: (2026)

Zero-Permission Manipulation: Can We Trust Large Multimodal Model Powered GUI Agents?
von: Qian, Yi, et al.
Veröffentlicht: (2026)

Towards Secure Program Partitioning for Smart Contracts with LLM's In-Context Learning
von: Liu, Ye, et al.
Veröffentlicht: (2025)

SELF-REDRAFT: Eliciting Intrinsic Exploration-Exploitation Balance in Test-Time Scaling for Code Generation
von: Chen, Yixiang, et al.
Veröffentlicht: (2025)

WebDevJudge: Evaluating (M)LLMs as Critiques for Web Development Quality
von: Li, Chunyang, et al.
Veröffentlicht: (2025)

RoadmapBench: Evaluating Long-Horizon Agentic Software Development Across Version Upgrades
von: Xu, Xinbo, et al.
Veröffentlicht: (2026)