迷宮を解く：大規模言語モデルを用いたパス感知ユニットテスト生成

ユニットテストはソフトウェア品質保証に不可欠ですが、テストの作成と維持は依然として時間がかかりミスが発生しやすい作業です。この課題に対処するために、研究者たちは従来のヒューリスティックベースの方法や最近の大規模言語モデル（LLM）を活用した方法を含む様々な手法でユニットテスト自動生成を提案してきました。しかし、これら既存の手法は固定的なヒューリスティックや限られた文脈情報に依存し、深い制御フロー構造を推論することができないため、本質的にパス非感知的です。その結果、特に深いまたは複雑な実行パスに対して十分なカバレッジを達成することが困難です。本研究では、コード知識とLLMの意味的能力を組み合わせて文脈認識型ユニットテスト生成を導くパス感知型フレームワーク、JUnitGenieを提案します。Javaプロジェクトからコード知識を抽出した後、JUnitGenieはこれを構造化されたプロンプトに蒸留し、高カバレッジなユニットテスト生成を導きます。10の実際のJavaプロジェクトの2,258の複雑な注目メソッドで評価した結果、JUnitGenieは有効なテストを生成し、ヒューリスティックおよびLLMベースのベースラインと比べて平均で分岐カバレッジと行カバレッジをそれぞれ29.60%および31.00%改善しました。さらに生成されたテストケースは実際のバグを検出し、後に開発者によって確認・修正されました。