Buchumschlag

On the Reliability and Explainability of Language Models for Program Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Yue, Tantithamthavorn, Chakkrit, Liu, Yonghui, Li, Li
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

Automatically Recommend Code Updates: Are We There Yet?
von: Liu, Yue, et al.
Veröffentlicht: (2022)

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

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

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

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

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

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

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

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

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)

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

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

On the Evaluation of Large Language Models in Multilingual Vulnerability Repair
von: wang, Dong, et al.
Veröffentlicht: (2025)

A Preliminary Study of Large Language Models for Multilingual Vulnerability Detection
von: Yu, Junji, et al.
Veröffentlicht: (2025)

Evaluating Large Language Models for Multilingual Vulnerability Detection at Dual Granularities
von: Shu, Honglin, et al.
Veröffentlicht: (2025)

RAGVA: Engineering Retrieval Augmented Generation-based Virtual Assistants in Practice
von: Yang, Rui, et al.
Veröffentlicht: (2025)

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

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

SQAPlanner: Generating Data-Informed Software Quality Improvement Plans
von: Rajapaksha, Dilini, et al.
Veröffentlicht: (2021)

Navigating Fairness: Practitioners' Understanding, Challenges, and Strategies in AI/ML Development
von: Pant, Aastha, et al.
Veröffentlicht: (2024)

Code Readability in the Age of Large Language Models: An Industrial Case Study from Atlassian
von: Takerngsaksiri, Wannita, et al.
Veröffentlicht: (2025)

DecipherGuard: Understanding and Deciphering Jailbreak Prompts for a Safer Deployment of Intelligent Software Systems
von: Yang, Rui, et al.
Veröffentlicht: (2025)

MORTAR: Multi-turn Metamorphic Testing for LLM-based Dialogue Systems
von: Guo, Guoxiang, et al.
Veröffentlicht: (2024)

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

AdaptiveGuard: Towards Adaptive Runtime Safety for LLM-Powered Software
von: Yang, Rui, et al.
Veröffentlicht: (2025)

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

Towards Explainable Vulnerability Detection with Large Language Models
von: Mao, Qiheng, et al.
Veröffentlicht: (2024)

SpecGen: Automated Generation of Formal Program Specifications via Large Language Models
von: Ma, Lezhi, et al.
Veröffentlicht: (2024)

Explainable Fault Localization for Programming Assignments via LLM-Guided Annotation
von: Liu, Fang, et al.
Veröffentlicht: (2025)

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

SpecEval: Evaluating Code Comprehension in Large Language Models via Program Specifications
von: Ma, Lezhi, et al.
Veröffentlicht: (2024)

Solsmith: Solidity Random Program Generator for Compiler Testing
von: Li, Lantian, et al.
Veröffentlicht: (2025)

Robustness, Security, Privacy, Explainability, Efficiency, and Usability of Large Language Models for Code
von: Yang, Zhou, et al.
Veröffentlicht: (2024)

Isolating Compiler Bugs by Generating Effective Witness Programs with Large Language Models
von: Tu, Haoxin, et al.
Veröffentlicht: (2023)

Hybrid Automated Program Repair by Combining Large Language Models and Program Analysis
von: Li, Fengjie, et al.
Veröffentlicht: (2024)

MSCoT: Structured Chain-of-Thought Generation for Multiple Programming Languages
von: Jin, Naizhu, et al.
Veröffentlicht: (2025)

A Preliminary Study on the Robustness of Code Generation by Large Language Models
von: Li, Zike, et al.
Veröffentlicht: (2025)

Exploring the Potential and Limitations of Large Language Models for Novice Program Fault Localization
von: Xu, Hexiang, et al.
Veröffentlicht: (2025)

An Exploratory Study on Just-in-Time Multi-Programming-Language Bug Prediction
von: Li, Zengyang, et al.
Veröffentlicht: (2024)