研究人员开发了MAST，一个多智能体框架，旨在预测生产代码更改后哪些测试用例需要维护。该系统集成了静态、词汇和语义分析来识别这些必要的更新，旨在降低测试维护的成本和复杂性。在工业Java存储库上的评估表明，MAST与现有方法相比取得了更高的精确度，证明了多智能体系统在软件测试任务中的有效性。 AI
影响 该框架可以通过自动化识别需要更新的测试来简化软件开发，从而可能降低成本并提高代码质量。
排序理由 该集群包含一篇详细介绍用于测试维护预测的新框架的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.04786v1 Announce Type: cross Abstract: Test maintenance is a critical, yet costly, activity - particularly as codebases rapidly evolve. To assist, we present MAST, a multi-agent framework that predicts which test cases require maintenance following changes to the produ…
Test maintenance is a critical, yet costly, activity - particularly as codebases rapidly evolve. To assist, we present MAST, a multi-agent framework that predicts which test cases require maintenance following changes to the production code. This identification task is necessary …