Buchumschlag

Automatically Recommend Code Updates: Are We There Yet?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Yue, Tantithamthavorn, Chakkrit, Liu, Yonghui, Thongtanunam, Patanamon, Li, Li
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Code Ownership: The Principles, Differences, and Their Associations with Software Quality
von: Thongtanunam, Patanamon, et al.
Veröffentlicht: (2024)

On the Reliability and Explainability of Language Models for Program Generation
von: Liu, Yue, et al.
Veröffentlicht: (2023)

Fine-Tuning and Prompt Engineering for Large Language Models-based Code Review Automation
von: Pornprasit, Chanathip, et al.
Veröffentlicht: (2024)

Practitioners' Challenges and Perceptions of CI Build Failure Predictions at Atlassian
von: Hong, Yang, et al.
Veröffentlicht: (2024)

Protect Your Secrets: Understanding and Measuring Data Exposure in VSCode Extensions
von: Liu, Yue, et al.
Veröffentlicht: (2024)

Too Noisy To Learn: Enhancing Data Quality for Code Review Comment Generation
von: Liu, Chunhua, et al.
Veröffentlicht: (2025)

Encoding Version History Context for Better Code Representation
von: Nguyen, Huy, et al.
Veröffentlicht: (2024)

Hallucinations in Code Change to Natural Language Generation: Prevalence and Evaluation of Detection Metrics
von: Liu, Chunhua, et al.
Veröffentlicht: (2025)

HalluJudge: A Reference-Free Hallucination Detection for Context Misalignment in Code Review Automation
von: Tantithamthavorn, Kla, et al.
Veröffentlicht: (2026)

Enhancing Neural Code Representation with Additional Context
von: Nguyen, Huy, et al.
Veröffentlicht: (2025)

Human-In-The-Loop Software Development Agents: Challenges and Future Directions
von: Pasuksmit, Jirat, et al.
Veröffentlicht: (2025)

Toward Effective Secure Code Reviews: An Empirical Study of Security-Related Coding Weaknesses
von: Charoenwet, Wachiraphan, et al.
Veröffentlicht: (2023)

Improving Automated Code Reviews: Learning from Experience
von: Lin, Hong Yi, et al.
Veröffentlicht: (2024)

Enhancing Code Review through Fuzzing and Likely Invariants
von: Charoenwet, Wachiraphan, et al.
Veröffentlicht: (2025)

When AI Takes the Wheel: Security Analysis of Framework-Constrained Program Generation
von: Liu, Yue, et al.
Veröffentlicht: (2025)

An Empirical Study of Static Analysis Tools for Secure Code Review
von: Charoenwet, Wachiraphan, et al.
Veröffentlicht: (2024)

A Systematic Literature Review on Reasons and Approaches for Accurate Effort Estimations in Agile
von: Pasuksmit, Jirat, et al.
Veröffentlicht: (2024)

AgenticSCR: An Autonomous Agentic Secure Code Review for Immature Vulnerabilities Detection
von: Charoenwet, Wachiraphan, et al.
Veröffentlicht: (2026)

CodeReviewQA: The Code Review Comprehension Assessment for Large Language Models
von: Lin, Hong Yi, et al.
Veröffentlicht: (2025)

Should Code Models Learn Pedagogically? A Preliminary Evaluation of Curriculum Learning for Real-World Software Engineering Tasks
von: Khant, Kyi Shin, et al.
Veröffentlicht: (2025)

PyTester: Deep Reinforcement Learning for Text-to-Testcase Generation
von: Takerngsaksiri, Wannita, et al.
Veröffentlicht: (2024)

Fine-grained Approaches for Confidence Calibration of LLMs in Automated Code Revision
von: Lin, Hong Yi, et al.
Veröffentlicht: (2026)

AI for DevSecOps: A Landscape and Future Opportunities
von: Fu, Michael, et al.
Veröffentlicht: (2024)

Students' Perspective on AI Code Completion: Benefits and Challenges
von: Takerngsaksiri, Wannita, et al.
Veröffentlicht: (2023)

Ethics in AI through the Practitioner's View: A Grounded Theory Literature Review
von: Pant, Aastha, et al.
Veröffentlicht: (2022)

What do AI/ML practitioners think about AI/ML bias?
von: Pant, Aastha, et al.
Veröffentlicht: (2024)

Multi-Modal Requirements Data-based Acceptance Criteria Generation using LLMs
von: Wang, Fanyu, et al.
Veröffentlicht: (2025)

Human-In-the-Loop Software Development Agents
von: Takerngsaksiri, Wannita, et al.
Veröffentlicht: (2024)

Adversarial Attacks on Code Models with Discriminative Graph Patterns
von: Nguyen, Thanh-Dat, et al.
Veröffentlicht: (2023)

AI-Assisted Code Review as a Scaffold for Code Quality and Self-Regulated Learning: An Experience Report
von: Oliveira, Eduardo, et al.
Veröffentlicht: (2026)

Exploring the Potential of Large Language Models in Fine-Grained Review Comment Classification
von: Nguyen, Linh, et al.
Veröffentlicht: (2025)

Leveraging Reviewer Experience in Code Review Comment Generation
von: Lin, Hong Yi, et al.
Veröffentlicht: (2024)

When AI Models Become Dependencies: Studying the Evolution of Pre-Trained Model Reuse in Downstream Software Systems
von: Banyongrakkul, Peerachai, et al.
Veröffentlicht: (2026)

From Release to Adoption: Challenges in Reusing Pre-trained AI Models for Downstream Developers
von: Banyongrakkul, Peerachai, et al.
Veröffentlicht: (2025)

Issue-Oriented Agent-Based Framework for Automated Review Comment Generation
von: Li, Shuochuan, et al.
Veröffentlicht: (2025)

Requirements-Driven Automated Software Testing: A Systematic Review
von: Wang, Fanyu, et al.
Veröffentlicht: (2025)

From Domain Documents to Requirements: Retrieval-Augmented Generation in the Space Industry
von: Arora, Chetan, et al.
Veröffentlicht: (2025)

Enhancing Large Language Models for Text-to-Testcase Generation
von: Alagarsamy, Saranya, et al.
Veröffentlicht: (2024)

Blended PC Peer Review Model: Process and Reflection
von: Tantithamthavorn, Chakkrit, et al.
Veröffentlicht: (2025)

Automatic Programming: Large Language Models and Beyond
von: Lyu, Michael R., et al.
Veröffentlicht: (2024)