A Scalable t-Wise Coverage Estimator: Algorithms and Applications
Notice bibliographique
Résumé
Owing to the pervasiveness of software in our modern lives, software systems have evolved to be highly configurable. Combinatorial testing has emerged as a dominant paradigm for testing highly configurable systems. Often constraints are employed to define the environments where a given system is expected to work. Therefore, there has been a sustained interest in designing constraint-based test suite generation techniques. A significant goal of test suite generation techniques is to achieve$t$-wise coverage for higher values of$t$. Therefore, designing scalable techniques that can estimate$t$-wise coverage for a given set of tests and/or the estimation of maximum achievable$t$-wise coverage under a given set of constraints is of crucial importance. The existing estimation techniques face significant scalability hurdles. We designed scalable algorithms with mathematical guarantees to estimate (i)$t$-wise coverage for a given set of tests, and (ii) maximum$t$-wise coverage for a given set of constraints. In particular,$\mathsf{ApproxCov}$takes in a test set$\mathcal{U}$and returns an estimate of the$t$-wise coverage of$\mathcal{U}$that is guaranteed to be within$(1\pm\varepsilon)$-factor of the ground truth with probability at least$1-\delta$for a given tolerance parameter$\varepsilon$and a confidence parameter$\delta$. A scalable framework${\mathsf{ApproxMaxCov}}$for a given formula${\mathsf{F}}$outputs an approximation which is guaranteed to be within$(1\pm\varepsilon)$factor of the maximum achievable$t$-wise coverage under${\mathsf{F}}$, with probability$\geq 1-\delta$for a given tolerance parameter$\varepsilon$and a confidence parameter$\delta$. Our comprehensive evaluation demonstrates that$\mathsf{ApproxCov}$and${\mathsf{ApproxMaxCov}}$can handle benchmarks that are beyond the reach of current state-of-the-art approaches. In this paper we present proofs of correctness of$\mathsf{ApproxCov}$,${\mathsf{ApproxMaxCov}}$, and of their generalizations. We show how the algorithms can improve the scalability of a test suite generator while maintaining its effectiveness. In addition, we compare several test suite generators on different feature combination sizes$t$.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».