Knowledge-Guided Multi-Agent Framework for Application-Level Software Code Generation
NanyangTechnological University(南洋理工大学);Nanyang Technological University(南洋理工大学);Wuhan University(武汉大学)
本文提出知识引导的多智能体框架KGACG,通过代码组织、编码与测试智能体的闭环协作,将需求规格和架构设计转化为可执行代码,提升应用级软件生成的自动化水平。
2025-10-22 cs.SE
Search-based software test data generation using evolutionary computation
基于搜索的软件工程已被用于许多软件工程活动。基于搜索的软件工程的一个应用领域是测试数据生成。演化测试指定使用元启发式搜索方法来生成测试用例。搜索空间是测试对象的输入域,每个单独的或潜在的解决方案是该测试对象的输入的编码集合。适应度函数被定制为找到正在进行的测试类型的测试数据。进化测试(ET)使用优化搜索技术(例如进化算法)来生成测试数据。并将基于遗传算法的测试系统与随机测试系统进行了有效性比较。对于简单的程序,两种测试系统都能很好地工作,但随着程序复杂度或输入域复杂度的增加,基于遗传算法的测试系统明显优于随机测试。
2011-03-01 cs.SE
Generation and Optimization of Test cases for Object-Oriented Software Using State Chart Diagram
测试任何软件系统的过程都是一项巨大的任务,既耗时又昂贵。随着软件的规模和复杂性增加,进行充分测试所需的时间和工作量也会增加,这可能会导致项目预算超支、软件系统开发延迟或某些测试用例可能无法覆盖。在SDLC(软件开发生命周期)中,通常软件测试阶段花费大约40 - 70%的时间和成本。基于状态的测试在软件测试中经常使用。测试数据生成是软件测试的关键问题之一。正确生成的测试集不仅可以定位软件系统中的错误,而且有助于降低与软件测试相关的高成本。通常期望可以自动生成测试套件内的测试序列形式的测试数据以实现所需的测试覆盖。针对基于状态的软件测试,提出了一种测试数据生成的优化方法。本文从状态图出发,导出了第一状态转移图。然后,从状态图中提取所有需要的信息。然后生成测试用例。最后,通过计算每个测试用例的节点覆盖率来最小化一组测试用例。还确定哪些测试用例被其他测试用例覆盖。我们的测试生成技术的优点是,它通过最小化时间和成本来优化测试覆盖率。提出的测试数据生成方案生成满足变迁路径覆盖准则、路径覆盖准则和动作覆盖准则的测试用例。以自动售票机(ATM)为例进行了分析.
2012-06-02 cs.SE
Lost in Code Generation: Reimagining the Role of Software Models in AI-driven Software Engineering
TU Wien(维也纳工业大学)
该研究针对AI生成软件存在的缺陷,提出从AI生成系统中恢复软件模型,区分智能体与人类反思循环,将软件模型作为连接现有软件工程与AI驱动开发的桥梁,拓展了软件模型的作用。
2026-08-28 cs.SE
Enhancing Large Language Models with Retrieval Augmented Generation for Software Testing and Inspection Automation
Department of Computer Science University of Colorado Colorado Springs (UCCS)(科罗拉多大学科罗拉多斯普林斯分校计算机科学系);Smith College(史密斯学院)
本文通过检索增强生成方法提升大型语言模型在软件测试和检查自动化中的应用,有效减少项目成本并提高验证与确认活动的效果和效率。
2026-04-16 cs.SE
The Next Generation of Metadata-Oriented Testing of Research Software
研究软件是指软件开发工具,可加速发现并简化对数字基础设施的访问。然而,尽管研究软件平台可以比以往任何时候都更加创新和强大,但随着复杂性的增加,如果出现计划外和未经测试的程序场景,则失败的风险更大。随着系统的老化和不同程序员的更改,更改影响整个系统的风险增加。相比之下,不太强调程序代码而更强调描述应用程序的数据的系统可以更容易地由技术不太熟练但通常更熟悉应用程序领域的个人进行更改和维护。这种系统也可以使用自动生成的高级测试机制进行测试。
2018-12-25 cs.SE
Test Case Generation using Mutation Operators and Fault Classification
软件测试是软件开发过程的重要阶段。但是,软件开发人员很容易错过这个阶段,因为他们完成项目的时间有限。因为,软件开发人员在接近交付时间时完成了他们的软件;他们没有足够的时间通过创建有效的测试用例来测试他们的程序。.软件测试的主要困难之一是生成满足给定充分性准则的测试用例。此外,在最后的高峰时间,手工创建测试用例对于软件开发人员来说是一项繁琐的工作。一种新的生成测试用例的方法可以帮助软件开发人员在软件开发的早期阶段(编码之前)从软件规格说明中创建测试用例,以及从软件开发之后(编码之后)的程序执行跟踪中创建测试用例。启发式技术可以用于创建高质量的测试用例。变异测试是一种对软件单元进行测试的技术,对于提高测试质量、保证软件的高可靠性有着巨大的潜力。本文提出了一种基于变异测试的测试用例生成技术,从程序执行轨迹中生成测试用例,使测试用例可以在编码后生成。本文详细介绍了变异测试生成测试用例的实现方法。该算法已被证明是一个例子。
2010-02-10 cs.SE
Minimal TestCase Generation for Object-Oriented Software with State Charts
今天,状态图是工业界对系统行为建模的事实标准。测试数据生成是软件测试的关键问题之一。针对基于状态的软件测试,提出了一种测试数据生成的约简方法。本文从状态图出发,导出了第一状态转移图。然后,从状态图中提取所有需要的信息。然后生成测试用例。最后,通过计算每个测试用例的节点覆盖率来最小化一组测试用例。还确定哪些测试用例被其他测试用例覆盖。我们的测试生成技术的优点是,它通过最小化时间和成本来优化测试覆盖率。该测试数据生成方案生成满足变迁路径覆盖准则、路径覆盖准则和动作覆盖准则的测试用例。最后以铁路自动售票机为例进行了分析。
2012-08-10 cs.SE
Combinatorial Modeling and Test Case Generation for Industrial Control Software using ACTS
组合测试被认为是一种以较低成本创建测试用例的有效方法。然而,用于建模和组合测试生成的工业实用工具仍然稀缺。作为一个直接的影响,组合测试在工业上的应用有限,这使得人们对其实际用途提出了质疑。如果我们考虑将组合测试生成用于工业安全关键控制软件,例如在火车、飞机和发电厂中发现的软件,这种证据的缺乏就特别麻烦。为了研究组合测试的工业应用,我们评估了组合建模和测试生成的流行工具,在工业规模的IEC 61131-3工业控制软件上运行的可编程逻辑控制器(PLC)的适用性和测试效率。我们评估了IEC 61131-3工业软件组合建模的直接适用性,以及在生成时间和测试套件大小方面的效率。我们使用了瑞典庞巴迪运输公司提供的17个工业控制程序,并用于训练控制管理系统。我们的研究结果表明,并不是所有的算法和交互强度的组合可以在一个现实的截止时间内生成一个测试套件。的建模过程和效率评估的结果是有用的从业者考虑使用组合测试的工业控制软件,以及研究人员试图提高使用这种组合测试技术。
2018-06-11 cs.SE
A Critical Review of "Automatic Patch Generation Learned from Human-Written Patches": Essay on the Problem Statement and the Evaluation of Automatic Software Repair
在ICSE'2013上,有史以来第一次专门用于自动程序修复的会议。在这次会议上,Kim等人介绍了PAR,这是一种用于修复Java bug的基于模板的新方法。我们强烈反对这篇文章的主要观点。我们的评论有两个目标。首先,我们的目的是解释为什么我们不同意金和同事,为什么这种分歧背后的原因是重要的自动软件修复的研究一般。其次,我们的目标是通过澄清自动软件修复背后的基本思想来为该领域做出贡献。特别讨论了软件自动修复的主要评价标准:可理解性、正确性和完整性。我们表明,根据如何设置修复方案,评估目标可能是矛盾的。最后,我们讨论了修复的可接受性的性质和它的关系,软件正确性的概念。
2014-08-09 cs.SE
EPiT : A Software Testing Tool for Generation of Test Cases Automatically
软件测试用例可以定义为一组测试条件,测试人员需要在这些条件下测试并确定被测系统(SUT)是否正确地满足预期结果。讨论了利用EpiT(EclipsePlug-inTool)自动生成实例的优化技术。EpiT的开发是为了优化从源代码生成测试用例,以减少传统的手动创建测试用例所花费的时间。通过使用代码气味功能,EpiT可以通过检查Java程序的代码行(code-line)来自动生成测试用例。EpiT的实施也将根据几个案例研究,以显示所生成的测试用例的优化。实验结果表明,EpiT可以解决软件测试人员手工生成测试用例和使用代码气味技术从源代码检查优化的问题。
2020-07-22 cs.SE
RealBench: A Repo-Level Code Generation Benchmark Aligned with Real-World Software Development Practices
Wuhan University(武汉大学);Peking University(北京大学);Nanyang Technological University(南洋理工大学)
RealBench通过结合自然语言需求和UML图,评估LLM在结构化设计下的代码生成能力,揭示了LLM在仓库级代码生成中的性能差距和优化策略。
2026-07-03 cs.SE
Study Paper on Test Case generation for GUI Based Testing
随着WWW的出现以及技术和软件开发的飞速发展,软件测试成为一个重要的问题。由于测试阶段在软件开发生存周期中的重要性,测试已分为基于图形用户界面(GUI)的测试、逻辑测试、集成测试等。GUI测试变得非常重要,因为它提供了更复杂的方式与软件交互。测试GUI的复杂性随着时间的推移而增加。测试需要以提供有效性、效率、增加的故障检测率和良好的路径覆盖的方式来执行。为了覆盖所有用例并为所有可能的(成功/失败)场景提供测试,测试序列的长度被认为是重要的。本文的目的是研究用于各种基于GUI的软件应用程序的测试用例生成和处理的一些技术。
2012-02-21 cs.SE
TimeLess: A Vision for the Next Generation of Software Development
针对软件开发复杂性、耗时和高成本问题,提出TimeLess系统愿景,利用多AI agents在会议中实时捕捉讨论并执行开发任务,将会议转为行动导向,加速下一代软件开发。
2024-11-13 cs.SE
Think-on-Process: Dynamic Process Generation for Collaborative Development of Multi-Agent System
本文提出 ToP 动态流程生成框架,通过流程模型指导 LLM 生成开发实例,并结合编译器反馈、启发式筛选与流程挖掘迭代更新模型,显著提升 GPT-3.5/GPT-4 应对五类软件开发任务的能力。
2024-09-10 cs.SE
Model-Based Software Engineering and Ada: Synergy for the Development of Safety-Critical Systems
在本文中,我们概述了一个软件开发过程的安全关键系统,旨在结合一些特定的优势,基于模型的开发与程序设计语言的开发使用的安全关键的Ada子集。基于模型的软件开发和基于模型的测试用例生成技术与代码生成技术和工具相结合,为系统本身及其测试用例提供从模型到代码的转换。这允许开发人员将面向领域的基于模型的技术与基于源代码的验证技术相结合,以符合安全关键软件开发标准,如航空电子标准RTCA/DO-178 B。我们介绍了AutoFocus和Validator建模和验证工具集,并概述了其用于建模,测试用例生成和代码生成的组合方法,这是进一步说明了一个简化的前沿航空航天模型内置的容错。
2002-01-26 cs.SE
Automated Test Case Generation using Petri Nets
软件测试是确定软件系统的精度、质量、完整性和安全性的过程。软件测试的一个重要步骤是测试用例的生成,测试用例的质量对测试的时间和成本起着至关重要的作用。在这项研究中,它表明,结构和行为图可以用来表示规格在一个单一的模型,使用高级Petri网(HLPN)。本文研究了基于Petri网的测试模型自动生成问题。此外,从非形式化模型(UML)生成一致的形式化模型(HLPN)是本研究的重点。
2015-09-28 cs.SE
Interactive GDPR-Compliant Privacy Policy Generation for Software Applications
本文提出一种基于规则库与交互式问答的GDPR合规隐私政策自动生成方法,实验证明其生成结果在完整性与覆盖范围上优于现有生成器和生成式AI工具。
2024-10-04 cs.SE
From Issues to Insights: RAG-based Explanation Generation from Software Engineering Artifacts
University of Cologne(科隆大学);University of Duisburg-Essen(杜伊斯堡-埃森大学)
本文首次应用RAG方法从问题跟踪数据生成解释,实现90%的人工解释一致性,展示了结构化问题数据在提升软件系统可解释性方面的潜力。
2026-01-09 cs.SE
Evaluating Classical Software Process Models as Coordination Mechanisms for LLM-Based Software Generation
Faculty of Computer Science and Engineering, Ho Chi Minh City University of Technology (HCMUT)(胡志明市理工大学计算机科学与工程系);Vietnam National University Ho Chi Minh City(越南国立大学胡志明市分校);FPT University(FPT大学);Department of Economics and IT, University of South Eastern Norway(挪威东南大学经济与信息技术系)
本研究探讨了将 Waterfall、V-Model 和 Agile 等经典软件过程模型适配为基于 LLM 的多智能体系统的协调机制,通过 132 次实验评估其对代码质量、成本和生产力的影响,发现不同过程在效率、代码质量和计算成本上存在显著权衡。
2025-09-17 cs.SE
ArChes -- Automatic generation of component fault trees from continuous function charts
嵌入式系统中软件的规模和复杂性的不断增长对嵌入式控制系统的安全评估提出了新的挑战。在工业实践中,在对系统进行安全性分析时,控制软件大多被当作黑箱来处理。为了提高安全分析的准确性,软件故障传播的适当表示是一个迫切的需要。然而,它也大大增加了创建和维护安全分析模型(如故障树)的工作量。在这项工作中,我们提出了一种方法来自动生成组件故障树从连续功能图。该方法旨在生成详细软件规格说明的故障传播模型。因此,可以将控制软件纳入安全性分析中,而无需额外的手动工作来构建软件的安全性分析模型。此外,在早期系统规范阶段创建的安全分析可以通过将其与详细规范阶段自动生成的安全分析进行比较来验证。
2021-05-31 cs.SE
A Survey on Software Testing Techniques using Genetic Algorithm
软件行业的总体目标是确保向最终用户交付高质量的软件。为了保证软件的高质量,需要对软件进行测试。测试确保软件满足用户规范和要求。然而,软件测试领域存在许多需要解决的潜在问题,例如测试用例的有效生成、测试用例的优先级排序等。这些问题需要测试的努力,时间和成本。已经提出了不同的技术和方法来处理这些问题。利用进化算法自动生成测试一直是许多研究人员感兴趣的领域。遗传算法(GA)就是这样一种进化算法。在这篇研究论文中,我们提出了一个调查的GA方法来解决软件测试过程中遇到的各种问题。
2014-11-05 cs.SE
REprompt: Prompt Generation for Intelligent Software Development Guided by Requirements Engineering
Nanyang Technological University(南洋理工大学);East China Normal University(华东师范大学);Wuhan University(武汉大学)
REprompt是一种基于需求工程的多代理提示优化框架,旨在通过根植需求工程原则来优化系统和用户提示,提升智能软件开发中的提示生成效率与准确性。
2026-01-23 cs.SE
Evaluating Software Process Models for Multi-Agent Class-Level Code Generation
SPEAR Lab, Concordia University(蒙特利尔康科迪亚大学 SPEAR 实验室);York University(约克大学)
本研究针对类级代码生成,探讨过程结构与角色专业化对多智能体LLM工作流的影响,通过模拟瀑布式开发周期在ClassEval基准上测试,揭示多智能体工作流对性能的重组作用及代码质量与功能正确性的权衡。
2025-11-12 cs.SE
Automated Description Generation for Software Patches
本文提出PATCHEXPLAINER,将软件补丁描述生成建模为机器翻译任务,通过显式表示关键元素并结合描述相似性进行训练,在真实数据集上显著优于现有方法。
2024-07-26 cs.SE
Retrieve and Refine: Exemplar-based Neural Comment Generation
代码注释生成是软件自动化开发领域的一项重要任务。大多数以前的神经注释生成系统使用编码器-解码器神经网络,并且仅将来自源代码的信息编码为输入。软件复用是软件开发中的一个普遍现象。然而,该功能尚未引入现有系统。受传统的基于IR的方法的启发,我们建议使用类似的源代码的现有注释作为范例来指导注释生成过程。基于一个开源的搜索引擎,我们首先检索到一个类似的代码,并将其注释作为范例。然后,我们应用seq 2seq神经网络进行基于范例的评论生成。我们评估我们的方法在一个大规模的Java语料库,实验结果表明,我们的模型显着优于国家的最先进的方法。
2019-10-23 cs.SE
Software Self-Extension with SelfEvolve: an Agentic Architecture for Runtime Code Generation
University College Dublin (UCD)(都柏林大学学院);JP Morgan Chase(摩根大通)
本文提出SelfEvolve架构,通过自主生成和整合新功能实现运行时自我扩展,展示其在11个任务中达到92.7%的准确率,优于现有基线方法。
2026-02-06 cs.SE
On Test Sequence Generation using Multi-Objective Particle Swarm Optimization
本文将测试序列生成建模为同时优化路径与Oracle成本的多目标问题,采用MOPSO生成高优先级、低成本测试序列,并证明其优于MOFA。
2024-04-09 cs.SE
Automated Test Generation from Program Documentation Encoded in Code Comments
本文提出一种利用代码注释文档的测试生成技术,将注释中的行为作为测试目标进行搜索,实验表明该方法能测试覆盖率驱动方法遗漏的行为并发现未知故障。
2025-04-29 cs.SE
The Impact of Generative AI-Powered Code Generation Tools on Software Engineer Hiring: Recruiters' Experiences, Perceptions, and Strategies
本研究通过调查32名行业招聘人员,揭示了GenAI代码生成工具对软件工程师招聘评估的影响,发现多数组织尚未调整评估方法,并探讨了面试中使用工具的争议及纳入计算机科学课程的必要性。
2024-09-02 cs.SE
Machine Learning and value generation in Software Development: a survey
机器学习(ML)已成为预测和分类数据的普遍工具,并已在包括软件开发(SD)在内的多个问题领域中得到应用。本文回顾了2000年至2019年期间关于使用学习模型进行编程工作量估计,预测风险以及识别和检测缺陷的文献。这项工作旨在作为愿意将ML添加到软件开发工具箱的从业者的起点。它对最近的文献进行分类,并确定趋势和局限性。该调查显示,正如一些作者所认为的那样,ML在SD中的工业应用并不像报告的结果那样受欢迎。进行的调查表明,尽管有各种SD任务的有希望的发现,大多数研究产生模糊的结果,部分原因是由于缺乏全面的数据集在这个问题领域。最后,本文提出了结论和对未来研究的建议。
2020-01-23 cs.SE
Modular Moose: A new generation software reverse engineering environment
高级的逆向工程工具需要处理软件系统的复杂性和许多不同任务(重新架构,迁移,进化)的特定要求。因此,逆向工程工具应适应各种情况。然而,由于它们需要大量的基础设施投资,因此能够重用这些工具是关键。Moose是一个满足这些要求的逆向工程环境。虽然Moose在20年前开始作为一个研究项目,但它也用于工业项目,使自己面临所有这些困难。在本文中,我们介绍了ModMoose,Moose的新版本。ModMoose围绕一个新的元模型,模块化和可扩展;一个新的通用工具集(查询模块,可视化引擎,.);以及支持每个任务的工具的同步和交互的开放式体系结构。使用ModMoose,工具开发人员可以通过重用现有的基本概念来开发特定的元模型,以及可以与现有工具交互的专用逆向工程工具。
2020-11-22 cs.SE
Codexity: Secure AI-assisted Code Generation
本文提出集成五个LLM并利用静态分析工具反馈的代码生成框架Codexity,在751个真实漏洞样本上可防止60%的漏洞暴露给开发者。
2024-05-07 cs.SE
Automated Code Generation and Validation for Software Components of Microcontrollers
Munich University of Applied Sciences(慕尼黑应用科学大学);AGSOTEC GmbH(AGSOTEC有限公司)
本文提出一种利用AST分析和RAG生成技术,为STM32F407微控制器自动生成并验证HAL代码的方法,实现无需人工干预的嵌入式软件组件集成。
2025-02-26 cs.LG cs.SE
The Potential of LLMs in Automating Software Testing: From Generation to Reporting
Florida Institute of Technology(佛罗里达理工学院)
本文提出一种基于LLM的智能体软件测试框架,可自动生成单元测试、可视化调用图并执行与报告,在Python和Java应用中验证了其高覆盖率与高效性。
2024-12-31 cs.AI cs.SE
Optimization of Test Case Generation using Genetic Algorithm (GA)
测试提供了保证软件性能的方法。软件行业的总目标实际上是为最终用户提供高质量的软件。然而,与软件测试相关的一些潜在问题是非常重要的,需要注意这些问题。这些问题是有效地生成,测试用例的优先级等,这些问题可以通过关注和集中来克服。在软件测试领域中,最大的问题之一就是如何获得一个与测试用例相关联的合适集来确认软件。一些其他的战略和方法也提出了有关航运照顾这些问题中的大多数。遗传算法属于进化算法。进化算法在测试自动生成中有着重要的作用,是当前研究的热点,本文利用遗传算法对软件测试相关问题进行了研究。此外,在应用一些分析之后,产生了更好的解决方案,即可行性和可靠性。由于遗传算法能够生成优化的测试用例,因此本研究提出了遗传算法的实现方法。在此基础上,本文给出了一个基于遗传算法的测试用例优化生成系统。
2016-12-28 cs.NE cs.SE
ReqInOne: A Large Language Model-Based Agent for Software Requirements Specification Generation
本文提出ReqInOne,一个基于LLM的模块化智能体,通过摘要、需求提取和分类三个任务将自然语言转换为结构化的软件需求规约,实验证明其生成的SRS文档比现有方法和初级工程师更准确且结构良好。
2025-08-13 cs.SE
Automatic Generation of High-Coverage Tests for RTL Designs using Software Techniques and Tools
寄存器传输级(RTL)设计验证是硬件设计过程中的一个关键阶段。我们提出了一种使用可用软件技术和工具增强RTL设计验证的新方法。我们的方法将RTL设计的源代码转换为C++软件程序。然后利用一个强大的符号执行引擎对转换后的C++程序进行符号执行,生成测试用例。为了更好地生成有效的测试用例,我们限制了循环的数量来指导符号执行。此外,我们还在符号执行引擎中加入了位级符号变量的支持。生成的测试用例通过模拟RTL设计进行进一步评估,以获得准确的覆盖率。我们已经评估了一个浮点单元(FPU)设计的方法。初步结果表明,我们的方法可以提供高质量的测试,以实现高覆盖率。
2016-02-19 cs.AR cs.SE
Requirements-Augmented Generation for Trustworthy Acceptance Testing of LLM-Based Software
Monash University(蒙纳士大学);Jiangnan University(江南大学);Australian National University(澳大利亚国立大学);Tianjin University(天津大学);Yiwuyishi Intelligent Technology Co., Ltd.(义乌市一五二智能科技有限公司)
该研究针对基于大语言模型的软件的验收测试缺口,提出需求增强生成技术与置信度校准级联判定方法,经工业案例验证可提升预言机质量、准确率与成本效率,具备工业可行性。
2026-08-14 cs.SE
DeepRelease: Language-agnostic Release Notes Generation from Pull Requests of Open-source Software
发布说明是开源软件的一个基本软件工件,它记录了有关更改的关键信息,例如新功能和错误修复。在发行说明的帮助下,开发人员和用户可以在不浏览源代码的情况下对最新版本有一个大致的了解。然而,对于开发人员来说,制作发行说明是一项艰巨而耗时的工作。虽然以前的研究提供了一些自动的方法,他们主要通过提取信息的代码更改生成发行说明。这将导致语言特定的,而不是通用的,足以适用。因此,帮助开发人员有效地制作发行说明仍然是一个未解决的挑战。为了解决这个问题,我们首先对900个GitHub项目的发布说明进行了手动研究,结果显示超过54%的项目通过pull request生成发布说明。在此基础上,我们提出了一种基于深度学习的方法DeepRelease(基于深度学习的发布说明生成器),用于根据拉取请求生成发布说明。DeepRelease中发布说明的生成过程包括变更条目的生成和变更类别(即,新功能或错误修复)生成,其分别被公式化为文本摘要任务和多类分类问题。由于DeepRelease完全使用来自拉取请求的文本信息来总结更改并识别更改类别,因此它与语言无关,可用于任何语言的项目。我们构建了一个包含超过46K发行说明的数据集,并在数据集上评估DeepRelease。实验结果表明,DeepRelease的性能优于四个基线,并且可以在一小部分时间内生成类似于手动编写的发布说明。
2022-01-18 cs.SE
Integrating Threat Modeling and Automated Test Case Generation into Industrialized Software Security Testing
工业物联网(IIoT)应用为推动工业生产效率的提高提供了一系列全新的可能性。然而,随着系统之间的高度集成,后者面临着过多的新威胁,因为它们尚未被设计为广泛可达和互操作。为了缓解这些大量的新威胁,系统化和自动化的测试方法是必要的。这种全面性可以通过彻底的威胁建模来实现。为了自动化安全测试,我们提出了一种方法,自动化的测试过程中,从威胁建模向前,关闭之间的差距威胁建模和自动化测试用例生成。
2019-11-15 cs.CR cs.SE
Generative AI in Software Testing: Current Trends and Future Directions
Ontario Tech University(安大略理工大学)
本文探讨生成式AI在软件测试中的应用,分析其提升测试效率、覆盖率和可靠性的潜力,以及当前面临的挑战与未来发展方向。
2026-03-02 cs.SE
Automated Generation of Commit Messages in Software Repositories
针对开发人员因时间和技能问题忽视有效提交信息编写的问题,提出基于ML/NLP的自动化生成方法,采用TF-IDF与Word2Vec的逻辑回归、LSTM等模型,在Liu等人数据集上训练评估,最高BLEU得分为16.82,为提交信息生成提供有效自动化方案。
2025-04-17 cs.SE
Beyond C/C++: Probabilistic and LLM Methods for Next-Generation Software Reverse Engineering
本文提出将概率二进制分析与微调大语言模型相结合,以解决 Rust、Go、Mojo 等新语言二进制逆向工程中传统启发式方法失效和数据驱动方法易产生幻觉的问题,从而提升逆向分析的鲁棒性、准确性与可扩展性。
2025-06-04 cs.SE
An Experience Report On Applying Software Testing Academic Results In Industry: We Need Usable Automated Test Generation
软件工程研究对当前工业实践的影响是什么?在本文中,我报告了我作为博士/博士后在软件工程研究项目中工作的直接经验,然后在接下来的五年里在两家不同的公司担任工程师(第一家是我在博士后期间合作的公司)。鉴于我有软件工程研究的背景,在开发和测试这些公司的系统时,我在日常工作中使用了哪些学术界的尖端技术和工具?关于确认和验证(我的主要研究领域),答案相当简短:据我所知,只有FindBugs。在本文中,我报告了为什么会出现这种情况,并讨论了我们在工业中面临的所有具有挑战性的,复杂的开放性问题,这些问题在学术界被“忽视”了。特别是,我将首先讨论我在日常工作中可以使用的实际工具,例如JaCoCo和Selenium。然后,我将讨论我面临的主要开放问题,特别是与环境模拟器,单元和Web测试有关的问题。然后介绍了当前学术界的热门话题,如UML、回归测试和变异测试。然后讨论了他们对我在工业界工作的项目类型缺乏影响。最后,从这个行业的经验,我提供了我的意见,如何改善这种情况,特别是有关如何评估学者,并倡导更多地参与开源项目。
2019-01-12 cs.SE
Software Architecture for Next-Generation AI Planning Systems
University of Stuttgart(斯图加特大学);Institute of Architecture of Application Systems, University of Stuttgart(斯图加特大学应用系统架构研究所)
人工智能(AI)规划是一门蓬勃发展的研究和开发学科,它为搜索实现某些用户目标的行动过程提供了强大的工具。虽然这些规划工具在基准规划问题上表现出出色的性能,但在实际应用中的使用和集成方面,它们代表了具有挑战性的软件系统。事实上,即使深入了解其内部机制,也不能保证人们能够成功地建立、使用和操纵现有的规划工具。我们通过提出面向服务的规划架构来缓解这种情况,该架构是设计,开发和使用下一代人工智能规划系统的核心能力。我们收集和分类常见的规划能力,以形成规划体系结构的构建块。我们将软件设计原则和模式纳入体系结构中,以实现规划功能的可用性、互操作性和可重用性。我们的原型规划系统展示了我们的方法的潜力,快速原型和系统组成的灵活性。最后,我们提供了深入了解我们的方法相比,一个典型的规划工具的定性优势。
2021-02-22 cs.AI cs.SE
A Pairwise T-Way Test Suite Generation Strategy Using Gravitational Search Algorithm
在复杂的软件系统中,由于一个或多个输入参数之间的相互作用,经常会发生软件故障。软件测试设计技术可以用来保证软件开发的质量。穷举测试测试所有可能的测试配置;然而,考虑到时间和资源的限制,它是不可行的。成对t-路测试是一种抽样策略,它专注于测试每一对参数组合,有效地减少了生成的测试大小,而不是彻底测试。在本文中,我们提出了一种新的成对t-路策略称为成对引力搜索算法策略(PGSAS)。PGSAS利用引力搜索算法(GSA)生成最佳的成对测试套件。PGSAS的性能是对现有的t-路策略测试套件的大小进行基准测试。初步结果表明,PGSAS在大多数配置中提供了有竞争力的结果,并在某些情况下胜过其他策略。
2021-07-29 cs.SE
Reproduction Test Generation for Java SWE Issues
IBM
本文针对Java企业软件中的SWE问题,提出首个Java仓库级再现测试基准TDD-Bench-Java和高绩效的e-Otter++工具,填补了Python以外语言的研究空白。
2026-05-07 cs.SE
Specification-Driven Development as the Foundation of AI-Native Enterprise Software Engineering
Saudi Data and Artificial Intelligence (SDAIA)(沙特数据与人工智能局)
研究大语言模型和智能人工智能推动下软件工程范式转变,介绍规范驱动开发,提出规范治理参考模型,经评估能减少安全缺陷、缩短上市时间,证明企业软件需规范治理,vibe编码适用于构思和快速原型制作。
2026-07-21 cs.SE
COCO: Testing Code Generation Systems via Concretized Instructions
针对代码生成系统的鲁棒性问题,本研究提出COCO技术,通过生成含原始代码特征的具体化指令检测不一致,实验证明其效果远超现有通用测试技术,且生成的指令可通过微调提升系统鲁棒性。
2023-08-25 cs.SE
Learning-Based Automatic Synthesis of Software Code and Configuration
Texas A&M University(得克萨斯农工大学)
本文提出将大规模软件自动生成与配置分解为基于输入输出规范的程序合成和基于序列到序列深度学习的配置合成两大任务,并分别采用神经网络驱动的遗传算法、协方差矩阵自适应进化策略及深度学习机制加以解决。
2023-05-30 cs.AI cs.SE
Enhancing Software Vulnerability Detection Through Adaptive Test Input Generation Using Genetic Algorithm
本研究提出一种结合遗传算子与自适应反馈的测试输入生成方法,通过交叉算子探索和反馈驱动选择,在九个JSON库上显著提升覆盖率,增强漏洞检测能力。
2025-08-08 cs.AI cs.SE
Towards Specification-Driven LLM-Based Generation of Embedded Automotive Software
Umeå Universitet(于默奥大学);Scania(斯堪尼亚公司)
本文提出 spec2code 框架,将 LLM 代码生成与形式化验证批评器结合,并在 Scania 工业案例中验证仅从规范即可生成形式正确的嵌入式软件代码。
2024-11-20 cs.AI cs.SE
A Tool for Test Case Scenarios Generation Using Large Language Models
本文提出一个基于Web的工具,利用LLM智能体和提示工程,从史诗与用户故事中自动生成测试用例场景,以应对需求演变下高效测试的挑战。
2024-06-11 cs.SE