IGTG&R：意図分析主導の単体テスト生成および改良フレームワーク | JoVE Visualize

背景:

コードカバレッジ主導の単体テスト生成（CGTG）は、実行可能性は高いですが、機能的欠陥を検出できません。
大規模言語モデルベースのテスト生成（LLMTG）は、意図分析に優れていますが、実行可能性が低く、デバッグが必要です。
既存の方法は、テスト品質を維持しながら機能的欠陥を包括的に特定する上で限界があります。

研究の目的:

単体テスト生成における機能的欠陥の特定を強化するために、新しいフレームワークである意図分析主導の単体テスト生成および改良（IGTG&R）モデルを導入すること。
CGTGとLLMTGの強みを組み合わせて、コードの意図の理解と欠陥検出能力を向上させること。
IGTG&Rモデルの効果を、従来のCGTGおよびLLMTGアプローチと比較して評価すること。

主な方法:

IGTG&Rモデル内で2段階のテスト生成プロセスが採用されています。
最初の段階では、カバレッジパスエントロピーを使用してCGTGを強化し、実行可能性とコードカバレッジを向上させます。
2番目の段階では、LLMを使用してテストケースを改良し、機能的欠陥を特定します。干渉を減らすために、フォーカルメソッドの本体は除外されます。

主要な成果:

IGTG&Rモデルは、65%から89%の機能的欠陥特定率を達成しました。
モデルは100%の実行成功率と75.8%のコードカバレッジ率を示しました。
IGTG&Rは、機能的欠陥の特定と全体的なテスト品質において、CGTGとLLMTGの両方を上回りました。

結論:

IGTG&Rモデルは、コードカバレッジと意図分析を統合することにより、自動単体テスト生成における重要な進歩を提供します。
提案された方法は、既存のアプローチの限界を効果的に解決し、より堅牢で正確な欠陥検出につながります。
IGTG&Rフレームワークは、ソフトウェアテストに優れたソリューションを提供し、機能的欠陥を特定し、コード品質を確保する能力を向上させます。