Buchumschlag

"I see models being a whole other thing": An Empirical Study of Pre-Trained Model Naming Conventions and A Tool for Enhancing Naming Consistency

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Wenxin, Kim, Mingyu, Cheung, Chingwo, Kim, Heesoo, Thiruvathukal, George K., Davis, James C.
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Empirical Investigation of Pre-Trained Deep Learning Model Reuse in the Scientific Process
von: Synovic, Nicholas M., et al.
Veröffentlicht: (2026)

Software Dependencies 2.0: An Empirical Study of Reuse and Integration of Pre-Trained Models in Open-Source Projects
von: Yasmin, Jerin, et al.
Veröffentlicht: (2025)

What do we know about Hugging Face? A systematic literature review and quantitative validation of qualitative claims
von: Jones, Jason, et al.
Veröffentlicht: (2024)

PeaTMOSS: A Dataset and Initial Analysis of Pre-Trained Models in Open-Source Software
von: Jiang, Wenxin, et al.
Veröffentlicht: (2024)

Reusing Deep Learning Models: Challenges and Directions in Software Engineering
von: Davis, James C., et al.
Veröffentlicht: (2024)

Enhancing Function Name Prediction using Votes-Based Name Tokenization and Multi-Task Learning
von: Zhang, Xiaoling, et al.
Veröffentlicht: (2024)

Now's the Time: Computer Science Must Evolve to Emphasize Software and Systems Engineering with Artificial Intelligence (AI)
von: Sekharan, Chandra N., et al.
Veröffentlicht: (2026)

Identifier Name Similarities: An Exploratory Study
von: Wong, Carol, et al.
Veröffentlicht: (2025)

Reproducing, Extending, and Analyzing Naming Experiments
von: Alpern, Rachel, et al.
Veröffentlicht: (2024)

WIP: An Engaging Undergraduate Intro to Model Checking in Software Engineering Using TLA+
von: Läufer, Konstantin, et al.
Veröffentlicht: (2024)

Improving the Reproducibility of Deep Learning Software: An Initial Investigation through a Case Study Analysis
von: Ravi, Nikita, et al.
Veröffentlicht: (2025)

Generating REST API Tests With Descriptive Names
von: Garrett, Philip, et al.
Veröffentlicht: (2025)

Method Names in Jupyter Notebooks: An Exploratory Study
von: Wong, Carol, et al.
Veröffentlicht: (2025)

AgentHub: A Registry for Discoverable, Verifiable, and Reproducible AI Agents
von: Pautsch, Erik, et al.
Veröffentlicht: (2025)

Recommending Variable Names for Extract Local Variable Refactorings
von: Wang, Taiming, et al.
Veröffentlicht: (2025)

Analysis of Failures and Risks in Deep Learning Model Converters: A Case Study in the ONNX Ecosystem
von: Jajal, Purvish, et al.
Veröffentlicht: (2023)

AGNOMIN -- Architecture Agnostic Multi-Label Function Name Prediction
von: Achamyeleh, Yonatan Gizachew, et al.
Veröffentlicht: (2025)

You Name It, I Run It: An LLM Agent to Execute Tests of Arbitrary Projects
von: Bouzenia, Islem, et al.
Veröffentlicht: (2024)

Good things come in three: Generating SO Post Titles with Pre-Trained Models, Self Improvement and Post Ranking
von: Le, Duc Anh, et al.
Veröffentlicht: (2024)

Symbol Preference Aware Generative Models for Recovering Variable Names from Stripped Binary
von: Xu, Xiangzhe, et al.
Veröffentlicht: (2023)

Deep Learning-Based Identification of Inconsistent Method Names: How Far Are We?
von: Wang, Taiming, et al.
Veröffentlicht: (2025)

On the Structure and Semantics of Identifier Names Containing Closed Syntactic Category Words
von: Newman, Christian D., et al.
Veröffentlicht: (2025)

Naming the Pain in Machine Learning-Enabled Systems Engineering
von: Kalinowski, Marcos, et al.
Veröffentlicht: (2024)

Large Language Models for Energy-Efficient Code: Emerging Results and Future Directions
von: Peng, Huiyun, et al.
Veröffentlicht: (2024)

Recommending Pre-Trained Models for IoT Devices
von: Patil, Parth V., et al.
Veröffentlicht: (2024)

Process-based Indicators of Vulnerability Re-Introducing Code Changes: An Exploratory Case Study
von: Shimmi, Samiha, et al.
Veröffentlicht: (2025)

Exploring Large Language Models for Analyzing and Improving Method Names in Scientific Code
von: Larsen, Gunnar, et al.
Veröffentlicht: (2025)

Names Are All You Need: Effective and Safe Regression Test Selection for Python
von: Wang, You, et al.
Veröffentlicht: (2026)

Neural Variable Name Repair: Learning to Rename Identifiers for Readability
von: Yousuf, Muhammad, et al.
Veröffentlicht: (2025)

Beyond Local Code Optimization: Multi-Agent Reasoning for Software System Optimization
von: Peng, Huiyun, et al.
Veröffentlicht: (2026)

Deep Code Search with Naming-Agnostic Contrastive Multi-View Learning
von: Feng, Jiadong, et al.
Veröffentlicht: (2024)

When Names Disappear: Revealing What LLMs Actually Understand About Code
von: Le, Cuong Chi, et al.
Veröffentlicht: (2025)

DFEPT: Data Flow Embedding for Enhancing Pre-Trained Model Based Vulnerability Detection
von: Jiang, Zhonghao, et al.
Veröffentlicht: (2024)

A Tool for Automatically Cataloguing and Selecting Pre-Trained Models and Datasets for Software Engineering
von: González, Alexandra, et al.
Veröffentlicht: (2026)

Operationalizing Research Software for Supply Chain Security
von: Kalu, Kelechi G., et al.
Veröffentlicht: (2026)

ConfuGuard: Using Metadata to Detect Active and Stealthy Package Confusion Attacks Accurately and at Scale
von: Jiang, Wenxin, et al.
Veröffentlicht: (2025)

Towards Refining Developer Questions using LLM-Based Named Entity Recognition for Developer Chatroom Conversations
von: Fathollahzadeh, Pouya, et al.
Veröffentlicht: (2025)

A Semiautomated Approach for Detecting Ambiguities in Software Requirements Using SpanBERT and Named Entity Recognition
von: Fiza Talha, et al.
Veröffentlicht: (2025)

Can Large-Language Models Help us Better Understand and Teach the Development of Energy-Efficient Software?
von: Hasler, Ryan, et al.
Veröffentlicht: (2024)

AI Failures in the Eyes of the Downstream Developer: A First Look at Concerns, Practices, and Challenges
von: Gao, Haoyu, et al.
Veröffentlicht: (2025)