Buchumschlag

A Controlled Experiment on the Energy Efficiency of the Source Code Generated by Code Llama

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cursaru, Vlad-Andrei, Duits, Laura, Milligan, Joel, Ural, Damla, Sanchez, Berta Rodriguez, Stoico, Vincenzo, Malavolta, Ivano
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

Ten Years of Teaching Empirical Software Engineering in the context of Energy-efficient Software
von: Malavolta, Ivano, et al.
Veröffentlicht: (2024)

Generating Energy-Efficient Code via Large-Language Models -- Where are we now?
von: Apsan, Radu, et al.
Veröffentlicht: (2025)

Can Large Language Models Assist the Comprehension of ROS2 Software Architectures?
von: Duits, Laura, et al.
Veröffentlicht: (2026)

An Empirical Study on the Performance and Energy Usage of Compiled Python Code
von: Stoico, Vincenzo, et al.
Veröffentlicht: (2025)

What Is the Cost of Energy Monitoring? An Empirical Study on the Overhead of RAPL-Based Tools
von: Diamond, Jeremy, et al.
Veröffentlicht: (2026)

An Empirical Study on How Architectural Topology Affects Microservice Performance and Energy Usage
von: Ristova, Irena, et al.
Veröffentlicht: (2026)

Toward an Architectural Blueprint to Observe Sustainability in and by Software Systems
von: Toczé, Klervie, et al.
Veröffentlicht: (2026)

Green LLM Techniques in Action: How Effective Are Existing Techniques for Improving the Energy Efficiency of LLM-Based Applications in Industry?
von: Kuran, Pelin Rabia, et al.
Veröffentlicht: (2026)

Performance Antipatterns: Angel or Devil for Power Consumption?
von: Aneggi, Alessandro, et al.
Veröffentlicht: (2026)

How to Sustainably Monitor ML-Enabled Systems? Accuracy and Energy Efficiency Tradeoffs in Concept Drift Detection
von: Omar, Rafiullah, et al.
Veröffentlicht: (2024)

On Evaluating the Efficiency of Source Code Generated by LLMs
von: Niu, Changan, et al.
Veröffentlicht: (2024)

Many-Objective Optimization of Non-Functional Attributes based on Refactoring of Software Models
von: Cortellessa, Vittorio, et al.
Veröffentlicht: (2023)

Exploring the Potential of Llama Models in Automated Code Refinement: A Replication Study
von: Caumartin, Genevieve, et al.
Veröffentlicht: (2024)

The Sustainability Assessment Framework Toolkit: A Decade of Modeling Experience
von: Lago, Patricia, et al.
Veröffentlicht: (2024)

COFFE: A Code Efficiency Benchmark for Code Generation
von: Peng, Yun, et al.
Veröffentlicht: (2025)

AI-Powered, But Power-Hungry? Energy Efficiency of LLM-Generated Code
von: Solovyeva, Lola, et al.
Veröffentlicht: (2025)

CodeDPO: Aligning Code Models with Self Generated and Verified Source Code
von: Zhang, Kechi, et al.
Veröffentlicht: (2024)

Evaluating the Energy-Efficiency of the Code Generated by LLMs
von: Islam, Md Arman, et al.
Veröffentlicht: (2025)

EnCoDe: Energy Estimation of Source Code At Design-Time
von: Goyal, Shailender, et al.
Veröffentlicht: (2026)

Optimizing Code Embeddings and ML Classifiers for Python Source Code Vulnerability Detection
von: Farasat, Talaya, et al.
Veröffentlicht: (2025)

Exploring the Impact of Source Code Linearity on the Programmers Comprehension of API Code Examples
von: Alharbi, Seham, et al.
Veröffentlicht: (2024)

Code Generation and Algorithmic Problem Solving Using Llama 3.1 405B
von: Deroy, Aniket, et al.
Veröffentlicht: (2024)

Measuring Code Efficiency Optimization Capabilities with ACEOB
von: Pan, Yue, et al.
Veröffentlicht: (2024)

Source Code Archiving to the Rescue of Reproducible Deployment
von: Courtès, Ludovic, et al.
Veröffentlicht: (2024)

Detection of Technical Debt in Java Source Code
von: Hai, Nam Le, et al.
Veröffentlicht: (2024)

On the Variability of Source Code in Maven Package Rebuilds
von: Dietrich, Jens, et al.
Veröffentlicht: (2026)

Large Language Model Unlearning for Source Code
von: Jiang, Xue, et al.
Veröffentlicht: (2025)

ACECode: A Reinforcement Learning Framework for Aligning Code Efficiency and Correctness in Code Language Models
von: Yang, Chengran, et al.
Veröffentlicht: (2024)

Improving Source Code Similarity Detection Through GraphCodeBERT and Integration of Additional Features
von: Martinez-Gil, Jorge
Veröffentlicht: (2024)

Assessing AI-Based Code Assistants in Method Generation Tasks
von: Corso, Vincenzo, et al.
Veröffentlicht: (2024)

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

Impermanent Identifiers: Enhanced Source Code Comprehension and Refactoring
von: Guerra, Eduardo Martins, et al.
Veröffentlicht: (2024)

Toward Green Code: Prompting Small Language Models for Energy-Efficient Code Generation
von: Ashraf, Humza, et al.
Veröffentlicht: (2025)

Generating Java Methods: An Empirical Assessment of Four AI-Based Code Assistants
von: Corso, Vincenzo, et al.
Veröffentlicht: (2024)

Evaluating the Performance and Efficiency of Sentence-BERT for Code Comment Classification
von: Peña, Fabian C., et al.
Veröffentlicht: (2025)

Evaluating Efficiency and Novelty of LLM-Generated Code for Graph Analysis
von: Nia, Atieh Barati, et al.
Veröffentlicht: (2025)

TRACE: Evaluating Execution Efficiency of LLM-Based Code Translation
von: Gong, Zhihao, et al.
Veröffentlicht: (2026)

Evaluating the Effectiveness and Efficiency of Demonstration Retrievers in RAG for Coding Tasks
von: He, Pengfei, et al.
Veröffentlicht: (2024)

TRACE: Evaluating Execution Efficiency of LLM-Based Code Translation
von: Gong, Zhihao, et al.
Veröffentlicht: (2025)

Mercury: A Code Efficiency Benchmark for Code Large Language Models
von: Du, Mingzhe, et al.
Veröffentlicht: (2024)