Software Testing Verification and Reliability· 2026Q2
AgentTester: Çoklu-Bölgeli Optimizatör Olarak Yapay Zeka ile Otomatik Test Üretiminde Kapsamı İyileştirme
AgentTester: Improve Coverage in Automated Test Generation With Multi‐Agent as Optimizer
- 0atıf
- Q2SCImago
- 2026yıl
Kısa özet
Zincir-Düşünce (CoT) muhakemesini kullanan çoklu-yapay zeka (LLM) çerçevesi olan AgentTester, alt görevleri özel yapay zekalara atayarak otomatik test senaryosu üretimini önemli ölçüde iyileştirir ve yürütülebilirlik oranı, kapsama, okunabilirlik ve yakınsama hızı açısından karşılaştırmalı temellerin önüne geçer.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- AgentTester, otomatik test senaryosu üretimi için Zincir-Düşünce (CoT) muhakemesine sahip çoklu-yapay zeka (LLM) çerçevesini kullanır.
- Arama sürecindeki alt görevler, geleneksel yöntemlerin yönlendirilmemiş rastgeleliğini değiştiren özel yapay zekalara atanır.
- AgentTester, karşılaştırmalı temellere göre yürütülebilirlik oranı, kapsama, okunabilirlik ve yakınsama hızında iyileşme gösterir.
- Çerçeve, bireysel yapay zekaların etkinliğini ve LLM'lerin yazılım testinde karmaşık muhakeme görevlerini ele alma potansiyelini doğrular.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
ABSTRACT Heuristic algorithms have been widely applied in search‐based software testing (SBST), playing a critical role in the automated generation of high‐coverage test cases. These algorithms often rely on random operations such as initialization, crossover and mutation to provide diverse individuals for search. However, it is possible to cause low‐quality solutions and a waste of resources due to their undirected randomness, which can be replaced by clear end‐to‐end reasoning. For large language models (LLMs) have demonstrated exceptional capabilities in handling simple reasoning tasks with the Chain‐of‐Thought (CoT) scheme, this paper introduces AgentTester, a multi‐agent framework of LLM, where subtasks in the search process are assigned to multiple agents applying CoT to efficiently generate high‐quality test cases. Experimental results show that AgentTester outperforms comparison baselines across benchmarks in generation with high executable rate, coverage, readability and convergence speed. Results validate the effectiveness of each agent and further underscore the potential of LLM in addressing complex reasoning tasks.
Yazarların özeti; kaynağından alınmıştır. Software Testing Verification and Reliability, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Yazılım
SoftwareComputer Science