北大李戈团队提出大模型单测生成新方法,显著提升代码测试覆盖率

简介: 【9月更文挑战第27天】北京大学李戈团队在人工智能领域取得重要突破,提出HITS新方法,通过将待测方法分解为多个切片并利用大型语言模型逐个生成测试用例,显著提升代码测试覆盖率,尤其在处理复杂方法时效果显著,为软件开发和测试领域带来新希望。尽管存在一定局限性,HITS仍展示了巨大潜力,未来有望克服限制,推动软件测试领域的创新发展。论文详情见【https://www.arxiv.org/pdf/2408.11324】。

最近,北京大学的李戈团队在人工智能领域取得了一项重要突破。他们提出了一种名为HITS(High-coverage LLM-based Unit Test Generation via Method Slicing)的新方法,用于生成大型语言模型(LLM)的单元测试。这一方法显著提升了代码测试的覆盖率,为软件开发和测试领域带来了新的希望。

HITS方法的核心思想是将待测方法分解为多个切片,然后使用大型语言模型逐个生成测试用例。这种分而治之的策略有效地简化了分析的复杂性,使得大型语言模型能够更好地理解和覆盖每个切片中的代码逻辑。相比于传统的测试生成方法,HITS能够更有效地处理复杂方法,从而提高测试的覆盖率。

为了验证HITS方法的有效性,李戈团队进行了一系列的实验。他们选择了十个开源项目作为测试对象,并使用HITS与当前最先进的测试生成工具进行了比较。实验结果表明,HITS在代码覆盖率方面显著超过了其他工具,尤其是在处理复杂方法时。这一结果表明,HITS方法具有很大的潜力,可以成为未来软件测试领域的重要工具。

然而,HITS方法也存在一些局限性。首先,它依赖于大型语言模型的能力,因此对于一些规模较小或复杂度较低的项目,可能无法充分发挥其优势。其次,HITS方法的实现和优化需要一定的技术门槛,对于一些小型团队或个人开发者来说,可能不太容易上手。

尽管如此,HITS方法的提出仍然具有重要的意义。它不仅为软件测试领域带来了新的思想和方法,而且为大型语言模型在实际应用中的应用提供了新的思路。相信随着技术的不断进步和完善,HITS方法将能够克服自身的局限性,在更多的场景中发挥作用,为软件开发和测试领域带来更多的创新和变革。

论文地址:https://www.arxiv.org/pdf/2408.11324

目录
相关文章
|
10月前
|
数据采集 监控 机器人
浅谈网页端IM技术及相关测试方法实践(包括WebSocket性能测试)
最开始转转的客服系统体系如IM、工单以及机器人等都是使用第三方的产品。但第三方产品对于转转的业务,以及客服的效率等都产生了诸多限制,所以我们决定自研替换第三方系统。下面主要分享一下网页端IM技术及相关测试方法,我们先从了解IM系统和WebSocket开始。
201 4
|
9天前
|
测试技术 开发者 Python
Python单元测试入门:3个核心断言方法,帮你快速定位代码bug
本文介绍Python单元测试基础,详解`unittest`框架中的三大核心断言方法:`assertEqual`验证值相等,`assertTrue`和`assertFalse`判断条件真假。通过实例演示其用法,帮助开发者自动化检测代码逻辑,提升测试效率与可靠性。
87 1
|
9天前
|
机器学习/深度学习 人工智能 自然语言处理
如何让AI更“聪明”?VLM模型的优化策略与测试方法全解析​
本文系统解析视觉语言模型(VLM)的核心机制、推理优化、评测方法与挑战。涵盖多模态对齐、KV Cache优化、性能测试及主流基准,助你全面掌握VLM技术前沿。建议点赞收藏,深入学习。
180 8
|
8天前
|
人工智能 自然语言处理 前端开发
深度解析Playwright MCP:功能、优势与挑战,AI如何提升测试效率与覆盖率
Playwright MCP通过AI与浏览器交互,实现自然语言驱动的自动化测试。它降低门槛、提升效率,助力测试工程师聚焦高价值工作,是探索性测试与快速验证的新利器。
|
14天前
|
人工智能 Java 测试技术
单元测试覆盖率的自动控制技术
Jacoco是Java程序覆盖率工具,可以在pom.xml通过配置来自动控制程序的覆盖率
38 5
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
ICLR 2025 | EDiT:一种基于 Local SGD 策略的大模型高效分布式训练方法
蚂蚁 AI Infra 团队在深度学习最核心之一的训练框架方向上持续投入与创新,实现了提升资源利用率、加速训练、提升训练稳定性等目标。我们提出的 EDiT 方法,即为其中一项工作。
|
2月前
|
传感器 机器学习/深度学习 监控
【图像融合】差异的高斯:一种简单有效的通用图像融合方法[用于融合红外和可见光图像、多焦点图像、多模态医学图像和多曝光图像](Matlab代码实现)
【图像融合】差异的高斯:一种简单有效的通用图像融合方法[用于融合红外和可见光图像、多焦点图像、多模态医学图像和多曝光图像](Matlab代码实现)
|
6月前
|
机器学习/深度学习 人工智能 并行计算
AI部署架构:A100、H100、A800、H800、H20的差异以及如何选型?开发、测试、生产环境如何进行AI大模型部署架构?
AI部署架构:A100、H100、A800、H800、H20的差异以及如何选型?开发、测试、生产环境如何进行AI大模型部署架构?
AI部署架构:A100、H100、A800、H800、H20的差异以及如何选型?开发、测试、生产环境如何进行AI大模型部署架构?

热门文章

最新文章