Buchumschlag

On the Generalizability of Deep Learning-based Code Completion Across Programming Language Versions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ciniselli, Matteo, Martin-Lopez, Alberto, Bavota, Gabriele
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

Deep Learning-based Code Completion: On the Impact on Performance of Contextual Information
von: Ciniselli, Matteo, et al.
Veröffentlicht: (2025)

Why Personalizing Deep Learning-Based Code Completion Tools Matters
von: Giagnorio, Alessandro, et al.
Veröffentlicht: (2025)

Code Review Automation: Strengths and Weaknesses of the State of the Art
von: Tufano, Rosalia, et al.
Veröffentlicht: (2024)

Towards Summarizing Code Snippets Using Pre-Trained Transformers
von: Mastropaolo, Antonio, et al.
Veröffentlicht: (2024)

On the Generalizability of Transformer Models to Code Completions of Different Lengths
von: Cooper, Nathan, et al.
Veröffentlicht: (2025)

Enhancing Code Generation for Low-Resource Languages: No Silver Bullet
von: Giagnorio, Alessandro, et al.
Veröffentlicht: (2025)

Deep Learning-based Code Reviews: A Paradigm Shift or a Double-Edged Sword?
von: Tufano, Rosalia, et al.
Veröffentlicht: (2024)

Automating Code Review: A Systematic Literature Review
von: Tufano, Rosalia, et al.
Veröffentlicht: (2025)

Improving Code Generation via Small Language Model-as-a-judge
von: Crupi, Giuseppe, et al.
Veröffentlicht: (2026)

How the Training Procedure Impacts the Performance of Deep Learning-based Vulnerability Patching
von: Mastropaolo, Antonio, et al.
Veröffentlicht: (2024)

Studying Quality Improvements Recommended via Manual and Automated Code Review
von: Crupi, Giuseppe, et al.
Veröffentlicht: (2026)

SEART Data Hub: Streamlining Large-Scale Source Code Mining and Pre-Processing
von: Dabić, Ozren, et al.
Veröffentlicht: (2024)

From Today's Code to Tomorrow's Symphony: The AI Transformation of Developer's Routine by 2030
von: Qiu, Ketai, et al.
Veröffentlicht: (2024)

Evaluating the Impact of Post-Training Quantization on Large Language Models for Code Generation
von: Giagnorio, Alessandro, et al.
Veröffentlicht: (2025)

A Taxonomy of Self-Admitted Technical Debt in Deep Learning Systems
von: Pepe, Federica, et al.
Veröffentlicht: (2024)

Guidelines to Prompt Large Language Models for Code Generation: An Empirical Characterization
von: Midolo, Alessandro, et al.
Veröffentlicht: (2026)

Quality In, Quality Out: Investigating Training Data's Role in AI Code Generation
von: Improta, Cristina, et al.
Veröffentlicht: (2025)

SATORI: Static Test Oracle Generation for REST APIs
von: Alonso, Juan C., et al.
Veröffentlicht: (2025)

On the Effectiveness of LLM-as-a-judge for Code Generation and Summarization
von: Crupi, Giuseppe, et al.
Veröffentlicht: (2025)

Leveraging Reward Models for Guiding Code Review Comment Generation
von: Sghaier, Oussama Ben, et al.
Veröffentlicht: (2025)

Investigating Execution-Aware Language Models for Code Optimization
von: Di Menna, Federico, et al.
Veröffentlicht: (2025)

Unveiling ChatGPT's Usage in Open Source Projects: A Mining-based Study
von: Tufano, Rosalia, et al.
Veröffentlicht: (2024)

How do Copilot Suggestions Impact Developers' Frustration and Productivity?
von: Guglielmi, Emanuela, et al.
Veröffentlicht: (2025)

Across Programming Language Silos: A Study on Cross-Lingual Retrieval-augmented Code Generation
von: Zhu, Qiming, et al.
Veröffentlicht: (2025)

Exploring Generalizable Automated Program Repair with Large Language Models
von: Campos, Viola, et al.
Veröffentlicht: (2025)

CodeImprove: Program Adaptation for Deep Code Models
von: Rathnasuriya, Ravishka, et al.
Veröffentlicht: (2025)

Galapagos: Automated N-Version Programming with LLMs
von: Ron, Javier, et al.
Veröffentlicht: (2024)

GraphCoder: Enhancing Repository-Level Code Completion via Code Context Graph-based Retrieval and Language Model
von: Liu, Wei, et al.
Veröffentlicht: (2024)

Developers and Generative AI: A Study of Self-Admitted Usage in Open Source Projects
von: Tufano, Rosalia, et al.
Veröffentlicht: (2026)

RLCoder: Reinforcement Learning for Repository-Level Code Completion
von: Wang, Yanlin, et al.
Veröffentlicht: (2024)

A GPT-based Code Review System for Programming Language Learning
von: Dong-Kyu, Lee
Veröffentlicht: (2024)

CodeMapper: A Language-Agnostic Approach to Mapping Code Regions Across Commits
von: Hu, Huimin, et al.
Veröffentlicht: (2025)

A Deep Dive into Retrieval-Augmented Generation for Code Completion: Experience on WeChat
von: Yang, Zezhou, et al.
Veröffentlicht: (2025)

Prompt-based Code Completion via Multi-Retrieval Augmented Generation
von: Tan, Hanzhuo, et al.
Veröffentlicht: (2024)

XMutant: XAI-based Fuzzing for Deep Learning Systems
von: Chen, Xingcheng, et al.
Veröffentlicht: (2025)

Prompt Driven Development with Claude Code: Building a Complete TUI Framework for the Ring Programming Language
von: Fayed, Mahmoud Samir, et al.
Veröffentlicht: (2026)

Beyond Language Boundaries: Uncovering Programming Language Families for Code Language Models
von: Yun, Shangbo, et al.
Veröffentlicht: (2025)

STALL+: Boosting LLM-based Repository-level Code Completion with Static Analysis
von: Liu, Junwei, et al.
Veröffentlicht: (2024)

PuzzleMark: Implicit Jigsaw Learning for Robust Code Dataset Watermarking in Neural Code Completion Models
von: Huang, Haocheng, et al.
Veröffentlicht: (2026)

Control Models for In-IDE Code Completion
von: de Moor, Aral, et al.
Veröffentlicht: (2026)