Buchumschlag

Comparing large language models and human programmers for generating programming code

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hou, Wenpin, Ji, Zhicheng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Artificial Intelligence Computation and Language Programming Languages
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Behavior Tree-inspired programming language for autonomous agents
von: Biggar, Oliver, et al.
Veröffentlicht: (2024)

Diffusion is a code repair operator and generator
von: Singh, Mukul, et al.
Veröffentlicht: (2025)

An evaluation of LLM code generation capabilities through graded exercises
von: Jiménez, Álvaro Barbero
Veröffentlicht: (2024)

EffiPair: Improving the Efficiency of LLM-generated Code with Relative Contrastive Feedback
von: Hajizadeh, Samira, et al.
Veröffentlicht: (2026)

Introduction to Analytical Software Engineering Design Paradigm
von: Houichime, Tarik, et al.
Veröffentlicht: (2025)

Debugging code world models
von: Rahmani, Babak
Veröffentlicht: (2026)

Exploring Data-Efficient Adaptation of Large Language Models for Code Generation
von: Jiang, Xue, et al.
Veröffentlicht: (2024)

Benchmarking LLM Code Generation for Audio Programming with Visual Dataflow Languages
von: Zhang, William, et al.
Veröffentlicht: (2024)

PerfCodeGen: Improving Performance of LLM Generated Code with Execution Feedback
von: Peng, Yun, et al.
Veröffentlicht: (2024)

DeepLL: Considering Linear Logic for the Analysis of Deep Learning Experiments
von: Papoulias, Nick
Veröffentlicht: (2024)

PPM: Automated Generation of Diverse Programming Problems for Benchmarking Code Generation Models
von: Chen, Simin, et al.
Veröffentlicht: (2024)

Code Repair with LLMs gives an Exploration-Exploitation Tradeoff
von: Tang, Hao, et al.
Veröffentlicht: (2024)

CodeMind: Evaluating Large Language Models for Code Reasoning
von: Liu, Changshu, et al.
Veröffentlicht: (2024)

From Code to Correctness: Closing the Last Mile of Code Generation with Hierarchical Debugging
von: Shi, Yuling, et al.
Veröffentlicht: (2024)

LangGPT: Rethinking Structured Reusable Prompt Design Framework for LLMs from the Programming Language
von: Wang, Ming, et al.
Veröffentlicht: (2024)

A Survey of Neural Code Intelligence: Paradigms, Advances and Beyond
von: Sun, Qiushi, et al.
Veröffentlicht: (2024)

MoSE: Hierarchical Self-Distillation Enhances Early Layer Embeddings
von: Gurioli, Andrea, et al.
Veröffentlicht: (2025)

VisCoder2: Building Multi-Language Visualization Coding Agents
von: Ni, Yuansheng, et al.
Veröffentlicht: (2025)

Code Broker: A Multi-Agent System for Automated Code Quality Assessment
von: Attrah, Samer
Veröffentlicht: (2026)

LLMs Lean on Priors, Not Programming Language Semantics
von: Thimmaiah, Aditya, et al.
Veröffentlicht: (2025)

Refactoring Programs Using Large Language Models with Few-Shot Examples
von: Shirafuji, Atsushi, et al.
Veröffentlicht: (2023)

Ranking LLM-Generated Loop Invariants for Program Verification
von: Chakraborty, Saikat, et al.
Veröffentlicht: (2023)

A Taxonomy of Prompt Defects in LLM Systems
von: Tian, Haoye, et al.
Veröffentlicht: (2025)

Verus-SpecGym: An Agentic Environment for Evaluating Specification Autoformalization
von: Agarwal, Anmol, et al.
Veröffentlicht: (2026)

debug-gym: A Text-Based Environment for Interactive Debugging
von: Yuan, Xingdi, et al.
Veröffentlicht: (2025)

Reinforcement Learning from Compiler and Language Server Feedback
von: Zhang, Yifan, et al.
Veröffentlicht: (2025)

Is Self-Repair a Silver Bullet for Code Generation?
von: Olausson, Theo X., et al.
Veröffentlicht: (2023)

AutoCode: LLMs as Problem Setters for Competitive Programming
von: Zhou, Shang, et al.
Veröffentlicht: (2025)

Analysis of AdvFusion: Adapter-based Multilingual Learning for Code Large Language Models
von: Esmaeili, Amirreza, et al.
Veröffentlicht: (2025)

SuperCoder: Assembly Program Superoptimization with Large Language Models
von: Wei, Anjiang, et al.
Veröffentlicht: (2025)

Learning to Guarantee Type Correctness in Code Generation through Type-Guided Program Synthesis
von: Huang, Zhechong, et al.
Veröffentlicht: (2025)

Real-Time Performance Optimization of Travel Reservation Systems Using AI and Microservices
von: Barua, Biman, et al.
Veröffentlicht: (2024)

CodeRL+: Improving Code Generation via Reinforcement with Execution Semantics Alignment
von: Jiang, Xue, et al.
Veröffentlicht: (2025)

$\textbf{PLUM}$: Improving Code LMs with Execution-Guided On-Policy Preference Learning Driven By Synthetic Test Cases
von: Zhang, Dylan, et al.
Veröffentlicht: (2024)

Linguacodus: A Synergistic Framework for Transformative Code Generation in Machine Learning Pipelines
von: Trofimova, Ekaterina, et al.
Veröffentlicht: (2024)

ReGAL: Refactoring Programs to Discover Generalizable Abstractions
von: Stengel-Eskin, Elias, et al.
Veröffentlicht: (2024)

Is Programming by Example solved by LLMs?
von: Li, Wen-Ding, et al.
Veröffentlicht: (2024)

Lita: Light Agent Uncovers the Agentic Coding Capabilities of LLMs
von: Dai, Hankun, et al.
Veröffentlicht: (2025)

OSVBench: Benchmarking LLMs on Specification Generation Tasks for Operating System Verification
von: Li, Shangyu, et al.
Veröffentlicht: (2025)

The Invisible Hand of AI Libraries Shaping Open Source Projects and Communities
von: Esposito, Matteo, et al.
Veröffentlicht: (2026)