Buchumschlag

Improving Automated Code Reviews: Learning from Experience

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Hong Yi, Thongtanunam, Patanamon, Treude, Christoph, Charoenwet, Wachiraphan
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

Toward Effective Secure Code Reviews: An Empirical Study of Security-Related Coding Weaknesses
von: Charoenwet, Wachiraphan, et al.
Veröffentlicht: (2023)

Enhancing Code Review through Fuzzing and Likely Invariants
von: Charoenwet, Wachiraphan, et al.
Veröffentlicht: (2025)

An Empirical Study of Static Analysis Tools for Secure Code Review
von: Charoenwet, Wachiraphan, et al.
Veröffentlicht: (2024)

Leveraging Reviewer Experience in Code Review Comment Generation
von: Lin, Hong Yi, et al.
Veröffentlicht: (2024)

HalluJudge: A Reference-Free Hallucination Detection for Context Misalignment in Code Review Automation
von: Tantithamthavorn, Kla, et al.
Veröffentlicht: (2026)

AgenticSCR: An Autonomous Agentic Secure Code Review for Immature Vulnerabilities Detection
von: Charoenwet, Wachiraphan, et al.
Veröffentlicht: (2026)

Encoding Version History Context for Better Code Representation
von: Nguyen, Huy, et al.
Veröffentlicht: (2024)

CodeReviewQA: The Code Review Comprehension Assessment for Large Language Models
von: Lin, Hong Yi, et al.
Veröffentlicht: (2025)

Fine-grained Approaches for Confidence Calibration of LLMs in Automated Code Revision
von: Lin, Hong Yi, et al.
Veröffentlicht: (2026)

Enhancing Neural Code Representation with Additional Context
von: Nguyen, Huy, et al.
Veröffentlicht: (2025)

Too Noisy To Learn: Enhancing Data Quality for Code Review Comment Generation
von: Liu, Chunhua, et al.
Veröffentlicht: (2025)

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

Hallucinations in Code Change to Natural Language Generation: Prevalence and Evaluation of Detection Metrics
von: Liu, Chunhua, et al.
Veröffentlicht: (2025)

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)

When AI Models Become Dependencies: Studying the Evolution of Pre-Trained Model Reuse in Downstream Software Systems
von: Banyongrakkul, Peerachai, et al.
Veröffentlicht: (2026)

From Release to Adoption: Challenges in Reusing Pre-trained AI Models for Downstream Developers
von: Banyongrakkul, Peerachai, et al.
Veröffentlicht: (2025)

AI-Assisted Code Review as a Scaffold for Code Quality and Self-Regulated Learning: An Experience Report
von: Oliveira, Eduardo, et al.
Veröffentlicht: (2026)

Exploring the Potential of Large Language Models in Fine-Grained Review Comment Classification
von: Nguyen, Linh, et al.
Veröffentlicht: (2025)

A Systematic Literature Review on Reasons and Approaches for Accurate Effort Estimations in Agile
von: Pasuksmit, Jirat, et al.
Veröffentlicht: (2024)

Following Dragons: Code Review-Guided Fuzzing
von: Luu, Viet Hoang, et al.
Veröffentlicht: (2026)

Open Source Software Development Tool Installation: Challenges and Strategies For Novice Developers
von: Salerno, Larissa, et al.
Veröffentlicht: (2024)

Issue-Oriented Agent-Based Framework for Automated Review Comment Generation
von: Li, Shuochuan, et al.
Veröffentlicht: (2025)

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

Automated Code Review Assignments: An Alternative Perspective of Code Ownership on GitHub
von: Lulla, Jai Lal, et al.
Veröffentlicht: (2025)

Adversarial Attacks on Code Models with Discriminative Graph Patterns
von: Nguyen, Thanh-Dat, et al.
Veröffentlicht: (2023)

Enhancing Source Code Representations for Deep Learning with Static Analysis
von: Guan, Xueting, et al.
Veröffentlicht: (2024)

A Systematic Survey on Debugging Techniques for Machine Learning Systems
von: Nguyen, Thanh-Dat, et al.
Veröffentlicht: (2025)

What Types of Code Review Comments Do Developers Most Frequently Resolve?
von: Goldman, Saul, et al.
Veröffentlicht: (2025)

Context-Augmented Code Generation Using Programming Knowledge Graphs
von: Seddik, Shahd, et al.
Veröffentlicht: (2026)

Breaking Changes in Software Ecosystems: A Systematic Literature Review
von: Chen, Juntao, et al.
Veröffentlicht: (2026)

Deterministic vs. Probabilistic Summarisation: An Empirical Trade-off Study in Design Pattern Centric Java Code
von: Nazar, Najam, et al.
Veröffentlicht: (2026)

The Shift from Writing to Pruning Software: A Bonsai-Inspired IDE for Reshaping AI Generated Code
von: Kula, Raula Gaikovina, et al.
Veröffentlicht: (2025)

Bot-Driven Development: From Simple Automation to Autonomous Software Development Bots
von: Treude, Christoph, et al.
Veröffentlicht: (2024)

Qualitative Data Analysis in Software Engineering: Techniques and Teaching Insights
von: Treude, Christoph
Veröffentlicht: (2024)

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

Improving LLM-Based Go Code Review through Issue-List Generation and Context Augmentation
von: Sun, Kexin, et al.
Veröffentlicht: (2026)

Towards the First Code Contribution: Processes and Information Needs
von: Treude, Christoph, et al.
Veröffentlicht: (2024)

Do Comments and Expertise Still Matter? An Experiment on Programmers' Adoption of AI-Generated JavaScript Code
von: Li, Changwen, et al.
Veröffentlicht: (2025)

Does My README File Need To Be Updated? Exploring LLM-Based README Maintenance
von: Gao, Haoyu, et al.
Veröffentlicht: (2026)

Information-Theoretic Detection of Unusual Source Code Changes
von: Torres, Adriano, et al.
Veröffentlicht: (2025)