Buchumschlag

CrashJS: A NodeJS Benchmark for Automated Crash Reproduction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Oliver, Philip, Dietrich, Jens, Anslow, Craig, Homer, Michael
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

Detecting and removing bloated dependencies in CommonJS packages
von: Liu, Yuxin, et al.
Veröffentlicht: (2024)

JS-TOD: Detecting Order-Dependent Flaky Tests in Jest
von: Hashemi, Negar, et al.
Veröffentlicht: (2025)

Finding the Needle in the Crash Stack: Industrial-Scale Crash Root Cause Localization with AutoCrashFL
von: Kang, Sungmin, et al.
Veröffentlicht: (2025)

Agents in the Sandbox: End-to-End Crash Bug Reproduction for Minecraft
von: Yapağcı, Eray, et al.
Veröffentlicht: (2025)

Crash-free Deductive Verifiers
von: Nauta, Wander, et al.
Veröffentlicht: (2026)

Outrunning LLM Cutoffs: A Live Kernel Crash Resolution Benchmark for All
von: Huang, Chenxi, et al.
Veröffentlicht: (2026)

JunoBench: A Benchmark Dataset of Crashes in Python Machine Learning Jupyter Notebooks
von: Wang, Yiran, et al.
Veröffentlicht: (2025)

Predicting the Impact of Crashes Across Release Channels
von: Mujahid, Suhaib, et al.
Veröffentlicht: (2024)

KGym: A Platform and Dataset to Benchmark Large Language Models on Linux Kernel Crash Resolution
von: Mathai, Alex, et al.
Veröffentlicht: (2024)

GPTrace: Effective Crash Deduplication Using LLM Embeddings
von: Herter, Patrick, et al.
Veröffentlicht: (2025)

Beyond Crash-to-Patch: Patch Evolution for Linux Kernel Repair
von: Bai, Luyao, et al.
Veröffentlicht: (2026)

Crash Report Enhancement with Large Language Models: An Empirical Study
von: Fahim, S M Farah Al, et al.
Veröffentlicht: (2025)

Runtime-Augmented LLMs for Crash Detection and Diagnosis in ML Notebooks
von: Wang, Yiran, et al.
Veröffentlicht: (2026)

DaiFu: In-Situ Crash Recovery for Deep Learning Systems
von: He, Zilong, et al.
Veröffentlicht: (2025)

Crash Report Accumulation During Continuous Fuzzing
von: Yegorov, Ilya, et al.
Veröffentlicht: (2024)

Stack Trace-Based Crash Deduplication with Transformer Adaptation
von: Mamun, Md Afif Al, et al.
Veröffentlicht: (2025)

Better Debugging: Combining Static Analysis and LLMs for Explainable Crashing Fault Localization
von: Yan, Jiwei, et al.
Veröffentlicht: (2024)

A Study of Using Multimodal LLMs for Non-Crash Functional Bug Detection in Android Apps
von: Ju, Bangyan, et al.
Veröffentlicht: (2024)

SAFE: Harnessing LLM for Scenario-Driven ADS Testing from Multimodal Crash Data
von: Luo, Siwei, et al.
Veröffentlicht: (2025)

Fuzzing BusyBox: Leveraging LLM and Crash Reuse for Embedded Bug Unearthing
von: Asmita, et al.
Veröffentlicht: (2024)

CodeCrash: Exposing LLM Fragility to Misleading Natural Language in Code Reasoning
von: Lam, Man Ho, et al.
Veröffentlicht: (2025)

Refining Fuzzed Crashing Inputs for Better Fault Diagnosis
von: Kim, Kieun, et al.
Veröffentlicht: (2025)

Why do Machine Learning Notebooks Crash? An Empirical Study on Public Python Jupyter Notebooks
von: Wang, Yiran, et al.
Veröffentlicht: (2024)

The Impact Of Bug Localization Based on Crash Report Mining: A Developers' Perspective
von: Medeiros, Marcos, et al.
Veröffentlicht: (2024)

FalseCrashReducer: Mitigating False Positive Crashes in OSS-Fuzz-Gen Using Agentic AI
von: Amusuo, Paschal C., et al.
Veröffentlicht: (2025)

CrashFixer: A crash resolution agent for the Linux kernel
von: Mathai, Alex, et al.
Veröffentlicht: (2025)

Fixing 7,400 Bugs for 1$: Cheap Crash-Site Program Repair
von: Zheng, Han, et al.
Veröffentlicht: (2025)

Scalable and Accurate Application-Level Crash-Consistency Testing via Representative Testing
von: Gu, Yile, et al.
Veröffentlicht: (2025)

Exploring Large Language Models in Resolving Environment-Related Crash Bugs: Localizing and Repairing
von: Du, Xueying, et al.
Veröffentlicht: (2023)

Recover as It is Designed to Be: Recovering from Compatibility Mobile App Crashes by Reusing User Flows
von: Kim, Donghwi, et al.
Veröffentlicht: (2024)

Automating Crash Diagram Generation Using Vision-Language Models: A Case Study on Multi-Lane Roundabouts
von: Lu, Xiao, et al.
Veröffentlicht: (2026)

A Dual-Loop Agent Framework for Automated Vulnerability Reproduction
von: Liu, Bin, et al.
Veröffentlicht: (2026)

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

An Empirical Study on Leveraging Images in Automated Bug Report Reproduction
von: Wang, Dingbang, et al.
Veröffentlicht: (2025)

Feedback-Driven Automated Whole Bug Report Reproduction for Android Apps
von: Wang, Dingbang, et al.
Veröffentlicht: (2024)

Generating Mock Skeletons for Lightweight Web-Service Testing
von: Bhagya, Thilini, et al.
Veröffentlicht: (2019)

Popularity and Innovation in Maven Central
von: Ede, Nkiru, et al.
Veröffentlicht: (2025)

GHTraffic: A Dataset for Reproducible Research in Service-Oriented Computing
von: Bhagya, Thilini, et al.
Veröffentlicht: (2018)

Single-Language Evidence Is Insufficient for Automated Logging: A Multilingual Benchmark and Empirical Study with LLMs
von: Zhong, Renyi, et al.
Veröffentlicht: (2026)

The (C)omprehensive (A)rchitecture (P)attern (I)ntegration method: Navigating the sea of technology
von: Copei, Sebastian, et al.
Veröffentlicht: (2025)