Buchumschlag

Breaking the Silence: the Threats of Using LLMs in Software Engineering

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sallou, June, Durieux, Thomas, Panichella, Annibale
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Software Engineering Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Last Dependency Crusade: Solving Python Dependency Conflicts with LLMs
von: Bartlett, Antony, et al.
Veröffentlicht: (2025)

Sustainable Machine Learning Retraining: Optimizing Energy Efficiency Without Compromising Accuracy
von: Poenaru-Olaru, Lorena, et al.
Veröffentlicht: (2025)

Automated Test-Case Generation for REST APIs Using Model Inference Search Heuristic
von: Cao, Clinton, et al.
Veröffentlicht: (2024)

Test Wars: A Comparative Study of SBST, Symbolic Execution, and LLM-Based Approaches to Unit Test Generation
von: Abdullin, Azat, et al.
Veröffentlicht: (2025)

Green AI in Action: Strategic Model Selection for Ensembles in Production
von: Nijkamp, Nienke, et al.
Veröffentlicht: (2024)

What Challenges Do Developers Face in AI Agent Systems? An Empirical Study on Stack Overflow & GitHub Issues
von: Asgari, Ali, et al.
Veröffentlicht: (2025)

Wolves in the Repository: A Software Engineering Analysis of the XZ Utils Supply Chain Attack
von: Przymus, Piotr, et al.
Veröffentlicht: (2025)

LLMs in Coding and their Impact on the Commercial Software Engineering Landscape
von: Belozerov, Vladislav, et al.
Veröffentlicht: (2025)

SWE-Lancer: Can Frontier LLMs Earn $1 Million from Real-World Freelance Software Engineering?
von: Miserendino, Samuel, et al.
Veröffentlicht: (2025)

Beyond the Comfort Zone: Emerging Solutions to Overcome Challenges in Integrating LLMs into Software Products
von: Nahar, Nadia, et al.
Veröffentlicht: (2024)

TestSpark: IntelliJ IDEA's Ultimate Test Generation Companion
von: Sapozhnikov, Arkadii, et al.
Veröffentlicht: (2024)

Evolutionary Generative Fuzzing for Differential Testing of the Kotlin Compiler
von: Georgescu, Calin, et al.
Veröffentlicht: (2024)

Agint: Agentic Graph Compilation for Software Engineering Agents
von: Chivukula, Abhi, et al.
Veröffentlicht: (2025)

Assessing the Use of AutoML for Data-Driven Software Engineering
von: Calefato, Fabio, et al.
Veröffentlicht: (2023)

Software Engineering Principles for Fairer Systems: Experiments with GroupCART
von: Peng, Kewen, et al.
Veröffentlicht: (2025)

Large Language Models for Software Engineering: A Reproducibility Crisis
von: Siddiq, Mohammed Latif, et al.
Veröffentlicht: (2025)

Can LLMs Replace Manual Annotation of Software Engineering Artifacts?
von: Ahmed, Toufique, et al.
Veröffentlicht: (2024)

SeaView: Software Engineering Agent Visual Interface for Enhanced Workflow
von: Bula, Timothy, et al.
Veröffentlicht: (2025)

Cataloguing Hugging Face Models to Software Engineering Activities: Automation and Findings
von: González, Alexandra, et al.
Veröffentlicht: (2025)

SWE-Arena: An Interactive Platform for Evaluating Foundation Models in Software Engineering
von: Zhao, Zhimin
Veröffentlicht: (2025)

A Systematic Literature Review on the Use of Machine Learning in Software Engineering
von: Fred, Nyaga, et al.
Veröffentlicht: (2024)

Programming with Pixels: Can Computer-Use Agents do Software Engineering?
von: Aggarwal, Pranjal, et al.
Veröffentlicht: (2025)

Metamorphic Testing of Deep Code Models: A Systematic Literature Review
von: Asgari, Ali, et al.
Veröffentlicht: (2025)

A Metamorphic Testing Approach to Diagnosing Memorization in LLM-Based Program Repair
von: De Koning, Milan, et al.
Veröffentlicht: (2026)

More Rigorous Software Engineering Would Improve Reproducibility in Machine Learning Research
von: Wolter, Moritz, et al.
Veröffentlicht: (2025)

Combating Toxic Language: A Review of LLM-Based Strategies for Software Engineering
von: Zhuo, Hao, et al.
Veröffentlicht: (2025)

Empirical Study of the Docker Smells Impact on the Image Size
von: Durieux, Thomas
Veröffentlicht: (2023)

Perspective of Software Engineering Researchers on Machine Learning Practices Regarding Research, Review, and Education
von: Mojica-Hanke, Anamaria, et al.
Veröffentlicht: (2024)

Engineering Resource-constrained Software Systems with DNN Components: a Concept-based Pruning Approach
von: Formica, Federico, et al.
Veröffentlicht: (2026)

Foundation Model Engineering: Engineering Foundation Models Just as Engineering Software
von: Ran, Dezhi, et al.
Veröffentlicht: (2024)

Teaching Code Refactoring Using LLMs
von: Khairnar, Anshul, et al.
Veröffentlicht: (2025)

IDE-Bench: Evaluating Large Language Models as IDE Agents on Real-World Software Engineering Tasks
von: Mateega, Spencer, et al.
Veröffentlicht: (2026)

Unveiling the Energy Vampires: A Methodology for Debugging Software Energy Consumption
von: Roque, Enrique Barba, et al.
Veröffentlicht: (2024)

Bug Severity Prediction in Software Projects Using Supervised Machine Learning Models
von: Nice, Nafisha Tamanna
Veröffentlicht: (2026)

What Did I Do Wrong? Quantifying LLMs' Sensitivity and Consistency to Prompt Engineering
von: Errica, Federico, et al.
Veröffentlicht: (2024)

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)

Code Graph Model (CGM): A Graph-Integrated Large Language Model for Repository-Level Software Engineering Tasks
von: Tao, Hongyuan, et al.
Veröffentlicht: (2025)

Enhancing Software Vulnerability Detection Using Code Property Graphs and Convolutional Neural Networks
von: Saimbhi, Amanpreet Singh
Veröffentlicht: (2025)

Challenges and Paths Towards AI for Software Engineering
von: Gu, Alex, et al.
Veröffentlicht: (2025)

On the Replicability and Reproducibility of Deep Learning in Software Engineering
von: Liu, Chao, et al.
Veröffentlicht: (2020)