:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ramos, Daniel, Mitchell, Hailie, Lynce, Inês, Manquinho, Vasco, Martins, Ruben, Goues, Claire Le
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2308.14687
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SPELL: Synthesis of Programmatic Edits using LLMs
von: Ramos, Daniel, et al.
Veröffentlicht: (2026)

Counterexample Guided Program Repair Using Zero-Shot Learning and MaxSAT-based Fault Localization
von: Orvalho, Pedro, et al.
Veröffentlicht: (2024)

CFaults: Model-Based Diagnosis for Fault Localization in C Programs with Multiple Test Cases
von: Orvalho, Pedro, et al.
Veröffentlicht: (2024)

InvAASTCluster: On Applying Invariant-Based Program Clustering to Introductory Programming Assignments
von: Orvalho, Pedro, et al.
Veröffentlicht: (2022)

ProDebug: An Automated Debugging System for Prolog
von: Brancas, Ricardo, et al.
Veröffentlicht: (2026)

Combining Logic with Large Language Models for Automatic Debugging and Repair of ASP Programs
von: Brancas, Ricardo, et al.
Veröffentlicht: (2024)

Are Large Language Models Memorizing Bug Benchmarks?
von: Ramos, Daniel, et al.
Veröffentlicht: (2024)

Quality and Security Signals in AI-Generated Python Refactoring Pull Requests
von: Almukhtar, Mohamed, et al.
Veröffentlicht: (2026)

Model-Based Diagnosis with Multiple Observations: A Unified Approach for C Software and Boolean Circuits
von: Orvalho, Pedro, et al.
Veröffentlicht: (2025)

Analyzing Message-Code Inconsistency in AI Coding Agent-Authored Pull Requests
von: Gong, Jingzhi, et al.
Veröffentlicht: (2026)

SWE-PRBench: Benchmarking AI Code Review Quality Against Pull Request Feedback
von: Kumar, Deepak
Veröffentlicht: (2026)

Predicting the First Response Latency of Maintainers and Contributors in Pull Requests
von: Khatoonabadi, SayedHassan, et al.
Veröffentlicht: (2023)

On Wasted Contributions: Understanding the Dynamics of Contributor-Abandoned Pull Requests
von: Khatoonabadi, SayedHassan, et al.
Veröffentlicht: (2021)

Can Automated Feedback Turn Students into Happy Prologians?
von: Brancas, Ricardo, et al.
Veröffentlicht: (2025)

Why Are AI Agent Involved Pull Requests (Fix-Related) Remain Unmerged? An Empirical Study
von: Alam, Khairul, et al.
Veröffentlicht: (2026)

Pull Requests as a Training Signal for Repo-Level Code Editing
von: Zhu, Qinglin, et al.
Veröffentlicht: (2026)

How AI Coding Agents Communicate: A Study of Pull Request Description Characteristics and Human Review Responses
von: Watanabe, Kan, et al.
Veröffentlicht: (2026)

Where Do AI Coding Agents Fail? An Empirical Study of Failed Agentic Pull Requests in GitHub
von: Ehsani, Ramtin, et al.
Veröffentlicht: (2026)

When AI Teammates Meet Code Review: Collaboration Signals Shaping the Integration of Agent-Authored Pull Requests
von: Nachuma, Costain, et al.
Veröffentlicht: (2026)

Understanding Automated Program Repair Agents Through the Lens of Traceability: An Empirical Study
von: Ceka, Ira, et al.
Veröffentlicht: (2025)

The Value of Effective Pull Request Description
von: Pirouzkhah, Shirin, et al.
Veröffentlicht: (2026)

CUBES: A Parallel Synthesizer for SQL Using Examples
von: Brancas, Ricardo, et al.
Veröffentlicht: (2022)

TestForge: Feedback-Driven, Agentic Test Suite Generation
von: Jain, Kush, et al.
Veröffentlicht: (2025)

More Code, Less Reuse: Investigating Code Quality and Reviewer Sentiment towards AI-generated Pull Requests
von: Huang, Haoming, et al.
Veröffentlicht: (2026)

GitSEED: A Git-backed Automated Assessment Tool for Software Engineering and Programming Education
von: Orvalho, Pedro, et al.
Veröffentlicht: (2024)

How AI Coding Agents Modify Code: A Large-Scale Study of GitHub Pull Requests
von: Ogenrwot, Daniel, et al.
Veröffentlicht: (2026)

CrashFixer: A crash resolution agent for the Linux kernel
von: Mathai, Alex, et al.
Veröffentlicht: (2025)

Automatic Design-Time Detection of Anomalies in Migrating Monolithic Applications to Microservices
von: Romão, Valentim, et al.
Veröffentlicht: (2025)

Revisiting Unnaturalness for Automated Program Repair in the Era of Large Language Models
von: Yang, Aidan Z. H., et al.
Veröffentlicht: (2024)

Hypergraph-Guided Regex Filter Synthesis for Event-Based Anomaly Detection
von: Ferreira, Margarida, et al.
Veröffentlicht: (2025)

Let's Make Every Pull Request Meaningful: An Empirical Analysis of Developer and Agentic Pull Requests
von: Yoshioka, Haruhiko, et al.
Veröffentlicht: (2026)

A Process Mining-Based System For The Analysis and Prediction of Software Development Workflows
von: Dorado, Antía, et al.
Veröffentlicht: (2025)

On Unified Prompt Tuning for Request Quality Assurance in Public Code Review
von: Chen, Xinyu, et al.
Veröffentlicht: (2024)

Knowledge-Guided Prompt Learning for Request Quality Assurance in Public Code Review
von: Li, Lin, et al.
Veröffentlicht: (2024)

AutoFeedback: An LLM-based Framework for Efficient and Accurate API Request Generation
von: Liu, Huanxi, et al.
Veröffentlicht: (2024)

AgenticFlict: A Large-Scale Dataset of Merge Conflicts in AI Coding Agent Pull Requests on GitHub
von: Ogenrwot, Daniel, et al.
Veröffentlicht: (2026)

Security Vulnerability Detection with Multitask Self-Instructed Fine-Tuning of Large Language Models
von: Yang, Aidan Z. H., et al.
Veröffentlicht: (2024)

PreciseBugCollector: Extensible, Executable and Precise Bug-fix Collection
von: Ye, He, et al.
Veröffentlicht: (2023)

Automatic, Expressive, and Scalable Fuzzing with Stitching
von: Green, Harrison, et al.
Veröffentlicht: (2026)

Mining Software Repositories for Expert Recommendation
von: Marshall, Chad, et al.
Veröffentlicht: (2025)