Buchumschlag

Learning in the Wild: Towards Leveraging Unlabeled Data for Effectively Tuning Pre-trained Code Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gao, Shuzheng, Mao, Wenxin, Gao, Cuiyun, Li, Li, Hu, Xing, Xia, Xin, Lyu, Michael R.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SEER: Enhancing Chain-of-Thought Code Generation through Self-Exploring Deep Reasoning
von: Gao, Shuzheng, et al.
Veröffentlicht: (2025)

Search-Based LLMs for Code Optimization
von: Gao, Shuzheng, et al.
Veröffentlicht: (2024)

SR-Eval: Evaluating LLMs on Code Generation under Stepwise Requirement Refinement
von: Zhan, Zexun, et al.
Veröffentlicht: (2025)

What Makes Good In-context Demonstrations for Code Intelligence Tasks with LLMs?
von: Gao, Shuzheng, et al.
Veröffentlicht: (2023)

Cascaded Code Editing: Large-Small Model Collaboration for Effective and Efficient Code Editing
von: Wang, Chaozheng, et al.
Veröffentlicht: (2026)

A Systematic Evaluation of Large Code Models in API Suggestion: When, Which, and How
von: Wang, Chaozheng, et al.
Veröffentlicht: (2024)

Empirical Study of Code Large Language Models for Binary Security Patch Detection
von: Li, Qingyuan, et al.
Veröffentlicht: (2025)

SCALE: Constructing Structured Natural Language Comment Trees for Software Vulnerability Detection
von: Wen, Xin-Cheng, et al.
Veröffentlicht: (2024)

RAG or Fine-tuning? A Comparative Study on LCMs-based Code Completion in Industry
von: Wang, Chaozheng, et al.
Veröffentlicht: (2025)

Integrating Rules and Semantics for LLM-Based C-to-Rust Translation
von: Luo, Feng, et al.
Veröffentlicht: (2025)

Bridge and Hint: Extending Pre-trained Language Models for Long-Range Code
von: Chen, Yujia, et al.
Veröffentlicht: (2024)

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

An Empirical Study of Retrieval-Augmented Code Generation: Challenges and Opportunities
von: Yang, Zezhou, et al.
Veröffentlicht: (2025)

The Current Challenges of Software Engineering in the Era of Large Language Models
von: Gao, Cuiyun, et al.
Veröffentlicht: (2024)

ComplexCodeEval: A Benchmark for Evaluating Large Code Models on More Complex Code
von: Feng, Jia, et al.
Veröffentlicht: (2024)

A Closer Look into Transformer-Based Code Intelligence Through Code Transformation: Challenges and Opportunities
von: Li, Yaoxian, et al.
Veröffentlicht: (2022)

A Roadmap on Modern Code Review: Challenges and Opportunities
von: Yang, Zezhou, et al.
Veröffentlicht: (2024)

The Prompt Alchemist: Automated LLM-Tailored Prompt Optimization for Test Case Generation
von: Gao, Shuzheng, et al.
Veröffentlicht: (2025)

JSidentify-V2: Leveraging Dynamic Memory Fingerprinting for Mini-Game Plagiarism Detection
von: Li, Zhihao, et al.
Veröffentlicht: (2025)

Refactoring Deep Learning Code: A Study of Practices and Unsatisfied Tool Needs
von: Wang, Siqi, et al.
Veröffentlicht: (2024)

Towards Mitigating API Hallucination in Code Generated by LLMs with Hierarchical Dependency Aware
von: Chen, Yujia, et al.
Veröffentlicht: (2025)

When Shared Worlds Break: Demystifying Defects in Multi-User Extended Reality Software Systems
von: Li, Shuqing, et al.
Veröffentlicht: (2025)

An Empirical Study of Knowledge Distillation for Code Understanding Tasks
von: Wang, Ruiqi, et al.
Veröffentlicht: (2025)

Less is More? An Empirical Study on Configuration Issues in Python PyPI Ecosystem
von: Peng, Yun, et al.
Veröffentlicht: (2023)

Clean Code, Better Models: Enhancing LLM Performance with Smell-Cleaned Dataset
von: Xue, Zhipeng, et al.
Veröffentlicht: (2025)

SPENCER: Self-Adaptive Model Distillation for Efficient Code Retrieval
von: Gu, Wenchao, et al.
Veröffentlicht: (2025)

Exploring Multi-Lingual Bias of Large Code Models in Code Generation
von: Wang, Chaozheng, et al.
Veröffentlicht: (2024)

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

Data Dependency-Aware Code Generation from Enhanced UML Sequence Diagrams
von: Mao, Wenxin, et al.
Veröffentlicht: (2025)

Smaller but Better: Self-Paced Knowledge Distillation for Lightweight yet Effective LCMs
von: Chen, Yujia, et al.
Veröffentlicht: (2024)

BDiff: Block-aware and Accurate Text-based Code Differencing
von: Lu, Yao, et al.
Veröffentlicht: (2025)

Understanding Practitioners' Expectations on Clear Code Review Comments
von: Chen, Junkai, et al.
Veröffentlicht: (2024)

Code Membership Inference for Detecting Unauthorized Data Use in Code Pre-trained Language Models
von: Zhang, Sheng, et al.
Veröffentlicht: (2023)

Uncovering Weaknesses in Neural Code Generation
von: Lian, Xiaoli, et al.
Veröffentlicht: (2024)

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

MLLM-Based UI2Code Automation Guided by UI Layout Information
von: Wu, Fan, et al.
Veröffentlicht: (2025)

AXIOM: Benchmarking LLM-as-a-Judge for Code via Rule-Based Perturbation and Multisource Quality Calibration
von: Wang, Ruiqi, et al.
Veröffentlicht: (2025)

Models Are Codes: Towards Measuring Malicious Code Poisoning Attacks on Pre-trained Model Hubs
von: Zhao, Jian, et al.
Veröffentlicht: (2024)

On the Effect of Token Merging on Pre-trained Models for Code
von: Saad, Mootez, et al.
Veröffentlicht: (2025)

Benchmarking LLMs for Fine-Grained Code Review with Enriched Context in Practice
von: Hu, Ruida, et al.
Veröffentlicht: (2025)