引导式测验 · 中等 等级
AI 测试生成测验
评估测试预言机限制、特征测试、符号和 LLM 测试生成、模糊测试和覆盖率指导。检查实际限制。
问题 1 的 8
AI 测试生成中的“预言机问题”是什么？
预览每个问题8 问题
当您参加测验时，就会出现答案和解释。
- AI 测试生成中的“预言机问题”是什么？
- 了解给定输入的正确预期输出
- 生成足够的随机输入来运行程序
- 将测试运行器连接到数据库
- 选择要测试的编程语言
- “特征测试”锁定什么？
- 最快的运行时间
- 代码的当前行为作为回归基线
- 原作者的编码风格
- 正确性的正式数学证明
- TestPilot 研究使用什么编程语言实施和评估其 LLM 测试生成方法？
- 铁锈
- Fortran
- JavaScript
- 仅SQL
- 在未经审查的情况下接受人工智能生成的测试的一个主要风险是它们可能：
- 运行太慢而无用
- 自动删除源代码
- 只在周末工作
- 断言并冻结现有错误，就好像它们是正确的一样
- 像 Copilot 这样的 LLM 测试助理通常如何进行测试？
- 通过从函数和周围上下文预测测试代码
- 通过形式化证明代码是正确的
- 通过测量CPU温度
- 通过录制开发者的屏幕
- 覆盖引导的模糊测试使用以下方式引导随机输入：
- 用户星级评价
- 用于测量哪些分支受到攻击的代码检测
- 月相
- 仅文件名
- TestPilot 评估报告的中值陈述和分支覆盖范围是多少？
- 每个包的语句和分支覆盖率均为100%
- 语句覆盖率为0%，分支覆盖率为52.8%
- 在其研究的包中，语句覆盖率为70.2%，分支覆盖率为52.8%
- 论文未测量代码覆盖率
- 变异测试评估测试套件的什么方面？
- 每个测试是否使用相同的名称
- 特征化测试是否保留所有当前行为
- 模糊测试是否能在不运行测试的情况下触达分支
- 测试是否能检测到对程序进行的细微、刻意的更改