研究者发布Req2Test-Bench：评估LLM从需求生成测试的能力
热点事件持续更新
研究者发布Req2Test-Bench：评估LLM从需求生成测试的能力
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Binhang Qi 等研究者发布 Req2Test-Bench 基准，评估 LLM 智能体在实现被隐藏时仅凭软件需求生成行为充分测试的能力。基准从 8 个开源项目的 BDD 工件中恢复出 5,086 条经执行验证的实例，覆盖 5 种编程语言和 4 个 BDD 框架。 该基准以 kill-complete（测试能杀死全部基准测试所杀死的变异体）作为行为充分标准。论文称，表现最好的配置 Codex 搭配 DeepSeek-V4.1-Flash 在 82.8% 的实例上生成了可通过的测试，但只有 33.8% 达到行为充分标准。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
Req2Test-Bench：评估 LLM 智能体从软件需求生成行为充分测试的基准报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIReq2Test-Bench：评估 LLM 智能体从软件需求生成行为充分测试的基准
研究者发布 Req2Test-Bench 基准，从 8 个开源项目的 BDD 工件中恢复出 5,086 个执行验证实例，覆盖 5 种语言和 4 个 BDD 框架，用于评估 LLM 智能体在实现被隐藏时从需求生成行为充分测试的能力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。