Buchumschlag

Enhancing Source Code Representations for Deep Learning with Static Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guan, Xueting, Treude, Christoph
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

Static Analysis as a Feedback Loop: Enhancing LLM-Generated Code Beyond Correctness
von: Blyth, Scott, et al.
Veröffentlicht: (2025)

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

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

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

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

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

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

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

On Autopilot? An Empirical Study of Human-AI Teaming and Review Practices in Open Source
von: Gao, Haoyu, et al.
Veröffentlicht: (2026)

Accountable Agents in Software Engineering: An Analysis of Terms of Service and a Research Roadmap
von: Treude, Christoph
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)

Improving Automated Code Reviews: Learning from Experience
von: Lin, Hong Yi, et al.
Veröffentlicht: (2024)

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

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

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)

Context Engineering for AI Agents in Open-Source Software
von: Mohsenimofidi, Seyedmoein, et al.
Veröffentlicht: (2025)

Open Source at a Crossroads: The Future of Licensing Driven by Monetization
von: Kula, Raula Gaikovina, et al.
Veröffentlicht: (2025)

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

Static Code Analysis with CodeChecker
von: Horvath, Gabor, et al.
Veröffentlicht: (2024)

An Empirical Study on Bug Severity Estimation using Source Code Metrics and Static Analysis
von: Mashhadi, Ehsan, et al.
Veröffentlicht: (2022)

Documenting Ethical Considerations in Open Source AI Models
von: Gao, Haoyu, et al.
Veröffentlicht: (2024)

DPS: Design Pattern Summarisation Using Code Features
von: Nazar, Najam, et al.
Veröffentlicht: (2025)

Prioritising GitHub Priority Labels
von: Caddy, James, et al.
Veröffentlicht: (2024)

Gender Influence on Student Teams' Online Communication in Software Engineering Education
von: Garcia, Rita, et al.
Veröffentlicht: (2025)

Integrating Static Code Analysis Toolchains
von: Kern, Matthias, et al.
Veröffentlicht: (2024)

The Role of Code Proficiency in the Era of Generative AI
von: Robles, Gregorio, et al.
Veröffentlicht: (2024)

Optimizing Large Language Model Hyperparameters for Code Generation
von: Arora, Chetan, et al.
Veröffentlicht: (2024)

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

GenAI Is No Silver Bullet for Qualitative Research in Software Engineering
von: Ernst, Neil A., et al.
Veröffentlicht: (2026)

Do Code LLMs Do Static Analysis?
von: Su, Chia-Yi, et al.
Veröffentlicht: (2025)

Creative and Correct: Requesting Diverse Code Solutions from AI Foundation Models
von: Blyth, Scott, et al.
Veröffentlicht: (2024)

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

LLM-Based Multi-Agent Systems for Software Engineering: Literature Review, Vision and the Road Ahead
von: He, Junda, et al.
Veröffentlicht: (2024)

An Empirical Study of API Misuses of Data-Centric Libraries
von: Galappaththi, Akalanka, et al.
Veröffentlicht: (2024)

AI Slop and the Software Commons
von: Baltes, Sebastian, et al.
Veröffentlicht: (2026)

"An Endless Stream of AI Slop": The Growing Burden of AI-Assisted Software Development
von: Baltes, Sebastian, et al.
Veröffentlicht: (2026)

Who Said CVE? How Vulnerability Identifiers Are Mentioned by Humans, Bots, and Agents in Pull Requests
von: Rooijendijk, Pien, et al.
Veröffentlicht: (2026)

Adapting Installation Instructions in Rapidly Evolving Software Ecosystems
von: Gao, Haoyu, et al.
Veröffentlicht: (2023)

Configuring Agentic AI Coding Tools: An Exploratory Study
von: Galster, Matthias, et al.
Veröffentlicht: (2026)