Buchumschlag

Do Machines and Humans Focus on Similar Code? Exploring Explainability of Large Language Models in Code Summarization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Jiliang, Zhang, Yifan, Karas, Zachary, McMillan, Collin, Leach, Kevin, Huang, Yu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

EyeTrans: Merging Human and Machine Attention for Neural Code Summarization
von: Zhang, Yifan, et al.
Veröffentlicht: (2024)

Semantic Similarity Loss for Neural Source Code Summarization
von: Su, Chia-Yi, et al.
Veröffentlicht: (2023)

Programmer Visual Attention During Context-Aware Code Summarization
von: Wallace, Robert, et al.
Veröffentlicht: (2024)

Distilled GPT for Source Code Summarization
von: Su, Chia-Yi, et al.
Veröffentlicht: (2023)

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

EyeMulator: Improving Code Language Models by Mimicking Human Visual Attention
von: Zhang, Yifan, et al.
Veröffentlicht: (2025)

APIDA-Chat: Structured Synthesis of API Search Dialogues to Bootstrap Conversational Agents
von: Eberhart, Zachary, et al.
Veröffentlicht: (2025)

Enhancing Code LLM Training with Programmer Attention
von: Zhang, Yifan, et al.
Veröffentlicht: (2025)

Automated Generation of Accurate Privacy Captions From Android Source Code Using Large Language Models
von: Jain, Vijayanta, et al.
Veröffentlicht: (2026)

Context-aware Code Summary Generation
von: Su, Chia-Yi, et al.
Veröffentlicht: (2024)

Exploring Direct Instruction and Summary-Mediated Prompting in LLM-Assisted Code Modification
von: Tang, Ningzhi, et al.
Veröffentlicht: (2025)

Semantic Neighborhood Density and Eye Gaze Time in Human Programmer Attention
von: Wallace, Robert, et al.
Veröffentlicht: (2026)

CodeGrad: Integrating Multi-Step Verification with Gradient-Based LLM Refinement
von: Zhang, Yueke, et al.
Veröffentlicht: (2025)

Instruction Adherence in Coding Agent Configuration Files: A Factorial Study of Four File-Structure Variables
von: McMillan, Damon
Veröffentlicht: (2026)

Human Attention During Localization of Memory Bugs in C Programs
von: Smith, Emory, et al.
Veröffentlicht: (2025)

EyeLayer: Integrating Human Attention Patterns into LLM-Based Code Summarization
von: Zhang, Jiahao, et al.
Veröffentlicht: (2026)

DPO-F+: Aligning Code Repair Feedback with Developers' Preferences
von: Fang, Zihan, et al.
Veröffentlicht: (2025)

CMind: An AI Agent for Localizing C Memory Bugs
von: Su, Chia-Yi, et al.
Veröffentlicht: (2026)

COMCAT: Leveraging Human Judgment to Improve Automatic Documentation and Summarization
von: Grandel, Skyler, et al.
Veröffentlicht: (2024)

Optimizing Code Runtime Performance through Context-Aware Retrieval-Augmented Generation
von: Acharya, Manish, et al.
Veröffentlicht: (2025)

Which Code Statements Implement Privacy Behaviors in Android Applications?
von: Su, Chia-Yi, et al.
Veröffentlicht: (2025)

NaturalEdit: Code Modification through Direct Interaction with Adaptive Natural Language Representation
von: Tang, Ningzhi, et al.
Veröffentlicht: (2025)

SynthFix: Adaptive Neuro-Symbolic Code Vulnerability Repair
von: Zhang, Yifan, et al.
Veröffentlicht: (2026)

K-ASTRO: Structure-Aware Adaptation of LLMs for Code Vulnerability Detection
von: Zhang, Yifan, et al.
Veröffentlicht: (2022)

Pre-Training Representations of Binary Code Using Contrastive Learning
von: Zhang, Yifan, et al.
Veröffentlicht: (2022)

AI-Mediated Code Comment Improvement
von: Dhakal, Maria, et al.
Veröffentlicht: (2025)

Can Large Language Models Serve as Evaluators for Code Summarization?
von: Wu, Yang, et al.
Veröffentlicht: (2024)

A Study on Developer Behaviors for Validating and Repairing LLM-Generated Code Using Eye Tracking and IDE Actions
von: Tang, Ningzhi, et al.
Veröffentlicht: (2024)

Calibration of Large Language Models on Code Summarization
von: Virk, Yuvraj, et al.
Veröffentlicht: (2024)

How Coding Agents Fail Their Users: A Large-Scale Analysis of Developer-Agent Misalignment in 20,574 Real-World Sessions
von: Tang, Ningzhi, et al.
Veröffentlicht: (2026)

Optimizing Datasets for Code Summarization: Is Code-Comment Coherence Enough?
von: Vitale, Antonio, et al.
Veröffentlicht: (2025)

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

Assertion-Aware Test Code Summarization with Large Language Models
von: Mollah, Anamul Haque, et al.
Veröffentlicht: (2025)

Exploring and Unleashing the Power of Large Language Models in Automated Code Translation
von: Yang, Zhen, et al.
Veröffentlicht: (2024)

Do Large Language Models Pay Similar Attention Like Human Programmers When Generating Code?
von: Kou, Bonan, et al.
Veröffentlicht: (2023)

Robustness, Security, Privacy, Explainability, Efficiency, and Usability of Large Language Models for Code
von: Yang, Zhou, et al.
Veröffentlicht: (2024)

Resource-Efficient & Effective Code Summarization
von: Afrin, Saima, et al.
Veröffentlicht: (2025)

Large Language Models for Code Summarization
von: Szalontai, Balázs, et al.
Veröffentlicht: (2024)

Analyzing the Performance of Large Language Models on Code Summarization
von: Haldar, Rajarshi, et al.
Veröffentlicht: (2024)

Human-Aligned Code Readability Assessment with Large Language Models
von: Ouédraogo, Wendkûuni C., et al.
Veröffentlicht: (2025)