研究人员开发了两种使用大型语言模型（LLMs）和强化学习进行自动化测试用例生成的新方法。第一种方法PPO-LLM采用近端策略优化（PPO）来指导LLM的提示选择，旨在最大化代码覆盖率并最小化源代码长度。第二种方法FeedbackLLM使用具有专门反馈代理的多代理系统，根据行和分支执行元数据来优化测试用例，并包含一个冗余预防缓存。这两种方法在为复杂软件系统生成测试用例方面均显示出优于现有工具的性能。 AI
影响 这些新方法可以通过自动化测试用例生成和提高代码覆盖率，显著提高软件测试的效率和有效性，尤其是在复杂系统方面。
排序理由 arXiv上发表了两篇学术论文，详细介绍了使用LLMs和强化学习进行自动化测试用例生成的新方法。
- Boundary Value Analysis
- FeedbackLLM
- LLM
- PPO-LLM
- Proximal Policy Optimization
- Python
- Random Fuzzing
- Vivek Yelleti Dr.
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
