:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yao, Yi, Wang, Jun, Hu, Yabai, Wang, Lifeng, Zhou, Yi, Chen, Jack, Gai, Xuming, Wang, Zhenming, Liu, Wenjun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2406.04356
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

HLSDebugger: Identification and Correction of Logic Bugs in HLS Code with LLM Solutions
von: Wang, Jing, et al.
Veröffentlicht: (2025)

MarsCode Agent: AI-native Automated Bug Fixing
von: Liu, Yizhou, et al.
Veröffentlicht: (2024)

A Survey of Bugs in AI-Generated Code
von: Gao, Ruofan, et al.
Veröffentlicht: (2025)

Improving MPI Error Detection and Repair with Large Language Models and Bug References
von: Piersall, Scott, et al.
Veröffentlicht: (2026)

RFCAudit: An LLM Agent for Functional Bug Detection in Network Protocols
von: Zheng, Mingwei, et al.
Veröffentlicht: (2025)

AEGIS: An Agent-based Framework for General Bug Reproduction from Issue Descriptions
von: Wang, Xinchen, et al.
Veröffentlicht: (2024)

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

Reducing False Positives in Static Bug Detection with LLMs: An Empirical Study in Industry
von: Du, Xueying, et al.
Veröffentlicht: (2026)

Can GPT-O1 Kill All Bugs? An Evaluation of GPT-Family LLMs on QuixBugs
von: Hu, Haichuan, et al.
Veröffentlicht: (2024)

CMind: An AI Agent for Localizing C Memory Bugs
von: Su, Chia-Yi, et al.
Veröffentlicht: (2026)

Disrupting Test Development with AI Assistants
von: Joshi, Vijay, et al.
Veröffentlicht: (2024)

Bug Analysis Towards Bug Resolution Time Prediction
von: Ozkan, Hasan Yagiz, et al.
Veröffentlicht: (2024)

Past, Present, and Future of Bug Tracking in the Generative AI Era
von: Torun, Utku Boran, et al.
Veröffentlicht: (2025)

Seeing is Believing: Vision-driven Non-crash Functional Bug Detection for Mobile Apps
von: Liu, Zhe, et al.
Veröffentlicht: (2024)

Automated Duplicate Bug Report Detection in Large Open Bug Repositories
von: Laney, Clare E., et al.
Veröffentlicht: (2025)

One Bug, Hundreds Behind: LLMs for Large-Scale Bug Discovery
von: Wu, Qiushi, et al.
Veröffentlicht: (2025)

Coding in a Bubble? Evaluating LLMs in Resolving Context Adaptation Bugs During Code Adaptation
von: Zhang, Tanghaoran, et al.
Veröffentlicht: (2026)

Repository Intelligence Graph: Deterministic Architectural Map for LLM Code Assistants
von: Cherny-Shahar, Tsvi, et al.
Veröffentlicht: (2026)

Defects4C: Benchmarking Large Language Model Repair Capability with C/C++ Bugs
von: Wang, Jian, et al.
Veröffentlicht: (2025)

Echoes of AI: Investigating the Downstream Effects of AI Assistants on Software Maintainability
von: Borg, Markus, et al.
Veröffentlicht: (2025)

Do Code Semantics Help? A Comprehensive Study on Execution Trace-Based Information for Code Large Language Models
von: Wang, Jian, et al.
Veröffentlicht: (2025)

CodeRepoQA: A Large-scale Benchmark for Software Engineering Question Answering
von: Hu, Ruida, et al.
Veröffentlicht: (2024)

GREPO: A Benchmark for Graph Neural Networks on Repository-Level Bug Localization
von: Wang, Juntong, et al.
Veröffentlicht: (2026)

Imitation Game: Reproducing Deep Learning Bugs Leveraging an Intelligent Agent
von: Shah, Mehil B, et al.
Veröffentlicht: (2025)

ProxyWar: Dynamic Assessment of LLM Code Generation in Game Arenas
von: Peng, Wenjun, et al.
Veröffentlicht: (2026)

SWE-QA-Pro: A Representative Benchmark and Scalable Training Recipe for Repository-Level Code Understanding
von: Cai, Songcheng, et al.
Veröffentlicht: (2026)

PyResBugs: A Dataset of Residual Python Bugs for Natural Language-Driven Fault Injection
von: Cotroneo, Domenico, et al.
Veröffentlicht: (2025)

BugScope: Learn to Find Bugs Like Human
von: Guo, Jinyao, et al.
Veröffentlicht: (2025)

Benchmarking Mythos-Linked Bug Rediscovery
von: David, Isaac, et al.
Veröffentlicht: (2026)

RLocator: Reinforcement Learning for Bug Localization
von: Chakraborty, Partha, et al.
Veröffentlicht: (2023)

Faster Configuration Performance Bug Testing with Neural Dual-level Prioritization
von: Ma, Youpeng, et al.
Veröffentlicht: (2025)

"My productivity is boosted, but ..." Demystifying Users' Perception on AI Coding Assistants
von: Lyu, Yunbo, et al.
Veröffentlicht: (2025)

Can We Enhance Bug Report Quality Using LLMs?: An Empirical Study of LLM-Based Bug Report Generation
von: Acharya, Jagrit, et al.
Veröffentlicht: (2025)

SWE-Synth: Synthesizing Verifiable Bug-Fix Data to Enable Large Language Models in Resolving Real-World Bugs
von: Pham, Minh V. T., et al.
Veröffentlicht: (2025)

Spec-Driven Development:From Code to Contract in the Age of AI Coding Assistants
von: Piskala, Deepak Babu
Veröffentlicht: (2026)

MOSS: Enabling Code-Driven Evolution and Context Management for AI Agents
von: Zhu, Ming, et al.
Veröffentlicht: (2024)

Characterizing and Evaluating the Reliability of LLMs against Jailbreak Attacks
von: Chen, Kexin, et al.
Veröffentlicht: (2024)

From Human Interfaces to Agent Interfaces: Rethinking Software Design in the Age of AI-Native Systems
von: Wang, Shaolin, et al.
Veröffentlicht: (2026)

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

Fine-Tuning Code Language Models to Detect Cross-Language Bugs
von: Li, Zengyang, et al.
Veröffentlicht: (2025)