:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mu, Wenchuan, Lim, Kwan Hui
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2404.16457
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Reliable Evaluation of Neural Program Repair with Natural Robustness Testing
von: Le-Cong, Thanh, et al.
Veröffentlicht: (2024)

Towards Better Correctness and Efficiency in Code Generation
von: Feng, Yunlong, et al.
Veröffentlicht: (2025)

Label-Free Topic-Focused Summarization Using Query Augmentation
von: Mu, Wenchuan, et al.
Veröffentlicht: (2024)

OLAF: Towards Robust LLM-Based Annotation Framework in Empirical Software Engineering
von: Imran, Mia Mohammad, et al.
Veröffentlicht: (2025)

Benchmarking Harmonized Tariff Schedule Classification Models
von: Judy, Bryce
Veröffentlicht: (2024)

Model Provenance via Model DNA
von: Mu, Xin, et al.
Veröffentlicht: (2023)

Towards Robust LLM Post-Training: Automatic Failure Management for Reinforcement Fine-Tuning
von: Zhang, Lingzhe, et al.
Veröffentlicht: (2026)

Human-Machine Co-Boosted Bug Report Identification with Mutualistic Neural Active Learning
von: Long, Guoming, et al.
Veröffentlicht: (2026)

Towards a Classification of Open-Source ML Models and Datasets for Software Engineering
von: González, Alexandra, et al.
Veröffentlicht: (2024)

Beyond Retrieval: A Multitask Benchmark and Model for Code Search
von: Xue, Siqiao, et al.
Veröffentlicht: (2026)

Conventional Commit Classification using Large Language Models and Prompt Engineering
von: Quadir, H. M. Sazzad, et al.
Veröffentlicht: (2026)

CodeFort: Robust Training for Code Generation Models
von: Zhang, Yuhao, et al.
Veröffentlicht: (2024)

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

DRAGON: Robust Classification for Very Large Collections of Software Repositories
von: Balla, Stefano, et al.
Veröffentlicht: (2026)

Towards a General Framework for HTN Modeling with LLMs
von: Puerta-Merino, Israel, et al.
Veröffentlicht: (2025)

Towards Leveraging Large Language Model Summaries for Topic Modeling in Source Code
von: Carissimi, Michele, et al.
Veröffentlicht: (2025)

Unveiling Project-Specific Bias in Neural Code Models
von: Li, Zhiming, et al.
Veröffentlicht: (2022)

Precision in Practice: Knowledge Guided Code Summarizing Grounded in Industrial Expectations
von: Li, Jintai, et al.
Veröffentlicht: (2026)

Towards a Neural Debugger for Python
von: Beck, Maximilian, et al.
Veröffentlicht: (2026)

Enhancing Deployment-Time Predictive Model Robustness for Code Analysis and Optimization
von: Wang, Huanting, et al.
Veröffentlicht: (2024)

Post-Incorporating Code Structural Knowledge into Pretrained Models via ICL for Code Translation
von: Du, Yali, et al.
Veröffentlicht: (2025)

Towards a Domain-Specific Modelling Environment for Reinforcement Learning
von: Sinani, Natalie, et al.
Veröffentlicht: (2024)

CodeSSM: Towards State Space Models for Code Understanding
von: Verma, Shweta, et al.
Veröffentlicht: (2025)

Are Large Language Models Robust in Understanding Code Against Semantics-Preserving Mutations?
von: Orvalho, Pedro, et al.
Veröffentlicht: (2025)

Towards Better Code Understanding in Decoder-Only Models with Contrastive Learning
von: Lin, Jiayi, et al.
Veröffentlicht: (2024)

Towards a Digital Twin Modeling Method for Container Terminal Port
von: Hakimi, Faouzi, et al.
Veröffentlicht: (2025)

An Experience Report on Regression-Free Repair of Deep Neural Network Model
von: Nakagawa, Takao, et al.
Veröffentlicht: (2025)

Robustness and Reasoning Fidelity of Large Language Models in Long-Context Code Question Answering
von: Maharaj, Kishan, et al.
Veröffentlicht: (2026)

A-ProS: Towards Reliable Autonomous Programming Through Multi-Model Feedback
von: Tabassum, Anika, et al.
Veröffentlicht: (2026)

Rethinking Scientific Modeling: Toward Physically Consistent and Simulation-Executable Programmatic Generation
von: Jiang, Yongqing, et al.
Veröffentlicht: (2026)

WebCompass: Towards Multimodal Web Coding Evaluation for Code Language Models
von: Lei, Xinping, et al.
Veröffentlicht: (2026)

Towards Advancing Code Generation with Large Language Models: A Research Roadmap
von: Jin, Haolin, et al.
Veröffentlicht: (2025)

Toward a Theory of Causation for Interpreting Neural Code Models
von: Palacio, David N., et al.
Veröffentlicht: (2023)

PACIFIC: a framework for generating benchmarks to check Precise Automatically Checked Instruction Following In Code
von: Dreyfuss, Itay, et al.
Veröffentlicht: (2025)

Towards Robust Agentic CUDA Kernel Benchmarking, Verification, and Optimization
von: Lange, Robert Tjarko, et al.
Veröffentlicht: (2025)

Toward Automated Validation of Language Model Synthesized Test Cases using Semantic Entropy
von: Taherkhani, Hamed, et al.
Veröffentlicht: (2024)

SWE-Compass: Towards Unified Evaluation of Agentic Coding Abilities for Large Language Models
von: Xu, Jingxuan, et al.
Veröffentlicht: (2025)

RobuNFR: Evaluating the Robustness of Large Language Models on Non-Functional Requirements Aware Code Generation
von: Lin, Feng, et al.
Veröffentlicht: (2025)

When Prompts Go Wrong: Evaluating Code Model Robustness to Ambiguous, Contradictory, and Incomplete Task Descriptions
von: Larbi, Maya, et al.
Veröffentlicht: (2025)

The Complexity Trap: Simple Observation Masking Is as Efficient as LLM Summarization for Agent Context Management
von: Lindenbauer, Tobias, et al.
Veröffentlicht: (2025)