数据集概述
本数据集围绕小型语言模型（SLM）与传统工具在单元测试生成中的能源消耗差异展开研究，对比分析Phi-3.1 Mini 128k模型与Pynguin工具的能源使用及故障发现效果，为软件工程自动化测试的可持续性评估提供实证数据。
文件详解
- README.md：Markdown格式文档，介绍复制包的整体概述、包含文件及使用说明，帮助用户复现研究。
- fault_finding_effectiveness_analysis.ipynb：Jupyter Notebook文件，采用描述性统计方法分析两种工具生成测试套件的故障发现效果。
- collected_data.zip：压缩文件，包含研究中收集的原始实验数据，为分析提供基础数据源。
- bayesian_data_analysis_energy_consumption.ipynb：Jupyter Notebook文件，使用贝叶斯数据分析方法对比Phi模型与Pynguin的能源消耗差异。
适用场景
- 软件工程可持续性研究：分析自动化测试工具的能源消耗特征，评估SLM在常规任务中的环境影响。
- 测试工具性能对比：对比SLM与传统工具在单元测试生成中的能源效率及故障发现能力。
- 贝叶斯数据分析应用：作为实证案例，用于软件测试领域的贝叶斯统计方法实践与教学。
- 自动化测试工具选型：为企业或研究机构选择低能耗单元测试生成工具提供数据支持。
