Bilanz der Quelle: Die Req2Test-Bench bewertet KI-Agenten anhand von 5.086 Testfällen aus acht Open-Source-Projekten und misst, ob generierte Tests tatsächlich Mutanten töten statt nur grün zu laufen. Die beste Konfiguration (Codex mit DeepSeek-V4.1-Flash) erreicht zwar 82,8 Prozent grüne Tests, aber nur 33,8 Prozent wirksame Tests. Das zeigt, dass das Bestehen von Tests nicht mit dem Prüfen von Verhalten gleichzusetzen ist.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
