PC Cube alla ICST 2025
Siamo entusiasti di annunciare che siamo stati invitati a presentare il nostro lavoro CUBETESTERAI: Automated JUnit Test Generation using the LLaMA Model al 18ª IEEE International Conference on Software Testing, Verification and Validation (ICST) 2025, che si terrà dal 31 marzo al 4 aprile a Napoli.
ICST è una delle principali conferenze internazionali dedicate al software testing, un evento di riferimento per ricercatori e professionisti che condividono le più recenti innovazioni nella verifica e validazione del software.
CUBETESTERAI: AI per il testing software
CUBETESTERAI è una soluzione avanzata che sfrutta il modello di intelligenza artificiale LLaMA 3.2 (Large Language Model Architecture) per automatizzare la generazione di test JUnit per applicazioni Java basate su Spring Boot, riducendo il lavoro manuale degli sviluppatori e migliorando la copertura del codice.
Caratteristiche principali:
- Automazione dei test JUnit direttamente dal codice sorgente, eliminando la necessità di scrittura manuale.
- Integrazione con CI/CD, grazie all’uso di GitLab e Docker, per garantire test costanti e aggiornati.
- Interfaccia web intuitiva per una gestione semplificata dei test, accessibile anche agli sviluppatori meno esperti.
- Esecuzione su cloud tramite RunPod, garantendo elevate prestazioni e protezione dei dati.
- Ottimizzazione avanzata del codice grazie a un raffinamento iterativo che migliora la qualità e riduce gli errori nei test generati.
- Testing dei metodi privati senza violare il principio di incapsulamento, permettendo una copertura più ampia del codice.
Il sistema include anche un meccanismo di feedback continuo che permette di affinare i test generati, migliorando progressivamente la qualità della verifica automatizzata.
Innovazione e collaborazione alla base del nostro progetto
CUBETESTERAI nasce da una tesi di laurea sviluppata da Shivam Kumar durante l’AI Coding Camp di PC Cube. L’obiettivo era migliorare l’efficienza della generazione automatica di test software e fornire una soluzione affidabile per gli sviluppatori.
Il progetto ha preso forma grazie al lavoro di Shivam Kumar stesso, Alireza Alipourfaz (mentor durante l’AI Coding Camp di Shivam), il nostro CTO Pietro Roselli Lorenzini e una stretta collaborazione con il Prof. Daniele Gorla del Dipartimento di Informatica dell’Università La Sapienza di Roma.
Dopo la conclusione della tesi, in considerazione degli eccellenti risultati e dell’interesse riscontrato, il team ha continuato a lavorare su CUBETESTERAI, affinando le sue funzionalità e trasformandolo in un prodotto innovativo pronto per essere applicato in ambito industriale.
Dopo un rigoroso processo di peer review, il nostro lavoro è stato selezionato per la conferenza nell’Industry Track, confermando la solidità della ricerca e il suo impatto concreto nel settore.
Un confronto con le soluzioni esistenti
CUBETESTERAI si distingue per prestazioni superiori rispetto ad altre soluzioni di test automation. I nostri test hanno evidenziato che:
- Ottiene una copertura del codice fino al 97%, di gran lunga superiore rispetto ad alternative come ChatGPT, EvoSuite e ChatUniTest documentate nella letteratura scientifica di riferimento.
- Produce più test corretti e con minori interventi manuali, riducendo il tempo necessario per la validazione del software.
- L’ottimizzazione iterativa consente una qualità del codice più elevata, identificando ed eliminando errori con maggiore precisione.
Questi risultati dimostrano il valore concreto di CUBETESTERAI per il settore del software testing, rendendolo uno strumento affidabile per aziende e sviluppatori.
Guardando al futuro dell’AI nel software testing
L’accettazione alla ICST 2025 è una conferma del valore della nostra ricerca e dell’innovazione che PC Cube porta nel settore. Ma il nostro impegno non si ferma qui.
Stiamo già lavorando per estendere CUBETESTERAI ad altri linguaggi di programmazione, migliorare ulteriormente l’integrazione CI/CD e rendere la generazione di test ancora più efficiente. Il nostro obiettivo è rendere questa tecnologia accessibile a un pubblico sempre più ampio, migliorando la qualità e l’affidabilità del software a livello globale.
Inoltre, prevediamo di esplorare l’integrazione con ulteriori strumenti di AI per potenziare l’analisi automatizzata del codice e ottimizzare ulteriormente il processo di testing.
Non vediamo l’ora di presentare CUBETESTERAI alla ICST 2025 e di confrontarci con la comunità scientifica e industriale per continuare a innovare nel campo del software testing.
