Feb, 2020

变形测试：一种生成下一个测试用例的新方法

PDF
TL;DR该文提出了一种新的测试用例选择技术，从成功的测试用例中派生新的测试用例，以揭示可能被遗漏未检测到的软件错误，并在生产阶段中帮助发现软件错误，在没有测试奥秘的情况下使用。
发现论文，激发创造
  • 逆演测试：解决测试预言问题的新方法

    逆变测试（Retromorphic Testing）是一种新颖的黑盒测试方法，通过使用正向和反向程序的组合，将输入数据反转为原始输入格式，从而检查初始输入和转换输出之间的关系。

    Oct, 2023

  • 利用少样本情境学习生成税务软件的变形规范的潜力和限制

    该研究通过对大型语言模型的上下文学习进行系统分析，旨在自动化生成税务准备软件的变态规范，从而解决税法复杂性和测试的问题。

    Nov, 2023

  • 基于本体论的软件测试智能系统的开发

    通过本篇文章介绍的本体技术的应用，可以通过自然语言处理和元数据创建，构建支持多种环境的测试管理知识库来实现同时教授编程基础和测试概念，从而提高程序员的能力，以促进行业进步。

    Feb, 2013

  • 研究机器学习软件测试实践

    我们进行了第一项细致入微的实证研究，以填补现有研究中对机器学习软件测试实践的知识空白，从而识别机器学习质量属性、测试策略以及它们在机器学习工作流中的实施。

    Dec, 2023

  • 仿真验证中的混合智能测试

    本文中，我们提出了一种混合智能测试方法，结合了 “覆盖向导测试选择” 和 “新颖性驱动验证” 两种方法，以实现高效有效的硬件测试。

    May, 2022

  • 机器学习软件测试

    讨论机器学习的软件测试以确保其正确性和可靠性，尤其是在安全关键应用中存在欺骗和错误等挑战，探讨六个关键挑战领域及其局限，提出继续研究方向。

    Apr, 2022

  • 应用机器学习分析软件质量测试

    本文利用机器学习对可用数据进行了操作并计算出了累计软件故障程度。应用机器学习预测软件的残余缺陷，以准确预测软件故障是本文的总体目标。

    May, 2023

  • 深度 NLP 模型的系统性、组合性和传递性：基于形态测试的视角

    采用新的形变关系的变异测试方法检测了神经 NLP 模型的稳健性，测试了系统性、组合性和传递性等多个语言属性，并证明了这些模型并不总是按照预期行为。

    Apr, 2022

  • 利用遗传微程序实现自动化软件测试的大路径覆盖

    利用遗传编程技术开发出一种新的自动化软件测试框架，生成可以重复生成输入值的微程序，从而快速高效地探索软件元件的输入参数范围，同时可应用于多种软件系统。

    Feb, 2023

  • METTLE: 一种元测变异测试方法，用于评估和验证无监督机器学习系统

    本文提出了一种名为 METTLE 的魔态测试方法来评估和验证无监督机器学习系统，通过考虑用户需求和系统期望的特征，揭示了各种机器学习系统的潜在特性并在实验中展示了其可用性，从终端用户软件工程角度而非设计者或实现者视角获得了对机器学习系统行为的深入理解。

    Jul, 2018