Buchumschlag

CodeScore: Evaluating Code Generation by Learning Code Execution

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dong, Yihong, Ding, Jiazheng, Jiang, Xue, Li, Ge, Li, Zhuo, Jin, Zhi
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Self-collaboration Code Generation via ChatGPT
von: Dong, Yihong, et al.
Veröffentlicht: (2023)

CodeScore-R: An Automated Robustness Metric for Assessing the FunctionalCorrectness of Code Synthesis
von: Yang, Guang, et al.
Veröffentlicht: (2024)

Uncertainty-Guided Chain-of-Thought for Code Generation with LLMs
von: Zhu, Yuqi, et al.
Veröffentlicht: (2025)

EvoCodeBench: An Evolving Code Generation Benchmark Aligned with Real-World Code Repositories
von: Li, Jia, et al.
Veröffentlicht: (2024)

CodeDPO: Aligning Code Models with Self Generated and Verified Source Code
von: Zhang, Kechi, et al.
Veröffentlicht: (2024)

Rethinking Repetition Problems of LLMs in Code Generation
von: Dong, Yihong, et al.
Veröffentlicht: (2025)

Self-planning Code Generation with Large Language Models
von: Jiang, Xue, et al.
Veröffentlicht: (2023)

CodeRL+: Improving Code Generation via Reinforcement with Execution Semantics Alignment
von: Jiang, Xue, et al.
Veröffentlicht: (2025)

EvoCodeBench: An Evolving Code Generation Benchmark with Domain-Specific Evaluations
von: Li, Jia, et al.
Veröffentlicht: (2024)

IntentCoding: Amplifying User Intent in Code Generation
von: Fang, Zheng, et al.
Veröffentlicht: (2026)

ROCODE: Integrating Backtracking Mechanism and Program Analysis in Large Language Models for Code Generation
von: Jiang, Xue, et al.
Veröffentlicht: (2024)

Line-level Semantic Structure Learning for Code Vulnerability Detection
von: Wang, Ziliang, et al.
Veröffentlicht: (2024)

Exploring Data-Efficient Adaptation of Large Language Models for Code Generation
von: Jiang, Xue, et al.
Veröffentlicht: (2024)

Think Anywhere in Code Generation
von: Jiang, Xue, et al.
Veröffentlicht: (2026)

Focused-DPO: Enhancing Code Generation Through Focused Preference Optimization on Error-Prone Points
von: Zhang, Kechi, et al.
Veröffentlicht: (2025)

A Survey on Code Generation with LLM-based Agents
von: Dong, Yihong, et al.
Veröffentlicht: (2025)

CodeAgent: Enhancing Code Generation with Tool-Integrated Agent Systems for Real-World Repo-level Coding Challenges
von: Zhang, Kechi, et al.
Veröffentlicht: (2024)

Sifting through the Chaff: On Utilizing Execution Feedback for Ranking the Generated Code Candidates
von: Sun, Zhihong, et al.
Veröffentlicht: (2024)

Large Language Model Unlearning for Source Code
von: Jiang, Xue, et al.
Veröffentlicht: (2025)

DevEval: A Manually-Annotated Code Generation Benchmark Aligned with Real-World Code Repositories
von: Li, Jia, et al.
Veröffentlicht: (2024)

Python Symbolic Execution with LLM-powered Code Generation
von: Wang, Wenhan, et al.
Veröffentlicht: (2024)

DevEval: Evaluating Code Generation in Practical Software Projects
von: Li, Jia, et al.
Veröffentlicht: (2024)

GraphCodeAgent: Dual Graph-Guided LLM Agent for Retrieval-Augmented Repo-Level Code Generation
von: Li, Jia, et al.
Veröffentlicht: (2025)

RedCode: Risky Code Execution and Generation Benchmark for Code Agents
von: Guo, Chengquan, et al.
Veröffentlicht: (2024)

CodeArena: A Collective Evaluation Platform for LLM Code Generation
von: Du, Mingzhe, et al.
Veröffentlicht: (2025)

SemGuard: Real-Time Semantic Evaluator for Correcting LLM-Generated Code
von: Wang, Qinglin, et al.
Veröffentlicht: (2025)

From I/O to Code with Discovery Agent
von: Dong, Yihong, et al.
Veröffentlicht: (2026)

aiXcoder-7B-v2: Training LLMs to Fully Utilize the Long Context in Repository-level Code Completion
von: Li, Jia, et al.
Veröffentlicht: (2025)

Showing LLM-Generated Code Selectively Based on Confidence of LLMs
von: Li, Jia, et al.
Veröffentlicht: (2024)

RealBench: A Repo-Level Code Generation Benchmark Aligned with Real-World Software Development Practices
von: Li, Jia, et al.
Veröffentlicht: (2026)

Executing as You Generate: Hiding Execution Latency in LLM Code Generation
von: Sun, Zhensu, et al.
Veröffentlicht: (2026)

TRACE: Evaluating Execution Efficiency of LLM-Based Code Translation
von: Gong, Zhihao, et al.
Veröffentlicht: (2026)

TRACE: Evaluating Execution Efficiency of LLM-Based Code Translation
von: Gong, Zhihao, et al.
Veröffentlicht: (2025)

HiRoPE: Length Extrapolation for Code Models Using Hierarchical Position
von: Zhang, Kechi, et al.
Veröffentlicht: (2024)

OpenCodeInterpreter: Integrating Code Generation with Execution and Refinement
von: Zheng, Tianyu, et al.
Veröffentlicht: (2024)

ICE-Score: Instructing Large Language Models to Evaluate Code
von: Zhuo, Terry Yue
Veröffentlicht: (2023)

Knowledge-Aware Code Generation with Large Language Models
von: Huang, Tao, et al.
Veröffentlicht: (2024)

SelfPiCo: Self-Guided Partial Code Execution with LLMs
von: Xue, Zhipeng, et al.
Veröffentlicht: (2024)

Deep Learning Based Code Generation Methods: Literature Review
von: Yang, Zezhou, et al.
Veröffentlicht: (2023)

PACE: Improving Prompt with Actor-Critic Editing for Large Language Model
von: Dong, Yihong, et al.
Veröffentlicht: (2023)