Buchumschlag

Uncovering Weaknesses in Neural Code Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lian, Xiaoli, Wang, Shuaisong, Ma, Jieping, Liu, Fang, Tan, Xin, Zhang, Li, Shi, Lin, Gao, Cuiyun
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

Incorporating Verification Standards for Security Requirements Generation from Functional Specifications
von: Lian, Xiaoli, et al.
Veröffentlicht: (2025)

Vision to Specification: Automating the Transition from Conceptual Features to Functional Requirements
von: Lian, Xiaoli, et al.
Veröffentlicht: (2025)

Beyond Functional Correctness: Exploring Hallucinations in LLM-Generated Code
von: Liu, Fang, et al.
Veröffentlicht: (2024)

An Empirical Study of Retrieval-Augmented Code Generation: Challenges and Opportunities
von: Yang, Zezhou, et al.
Veröffentlicht: (2025)

Revolutionizing Newcomers' Onboarding Process in OSS Communities: The Future AI Mentor
von: Tan, Xin, et al.
Veröffentlicht: (2025)

SEER: Enhancing Chain-of-Thought Code Generation through Self-Exploring Deep Reasoning
von: Gao, Shuzheng, et al.
Veröffentlicht: (2025)

ComplexCodeEval: A Benchmark for Evaluating Large Code Models on More Complex Code
von: Feng, Jia, et al.
Veröffentlicht: (2024)

EfficientEdit: Accelerating Code Editing via Edit-Oriented Speculative Decoding
von: Wang, Peiding, et al.
Veröffentlicht: (2025)

SR-Eval: Evaluating LLMs on Code Generation under Stepwise Requirement Refinement
von: Zhan, Zexun, et al.
Veröffentlicht: (2025)

Towards Mitigating API Hallucination in Code Generated by LLMs with Hierarchical Dependency Aware
von: Chen, Yujia, et al.
Veröffentlicht: (2025)

FastCoder: Accelerating Repository-level Code Generation via Efficient Retrieval and Verification
von: Zhao, Qianhui, et al.
Veröffentlicht: (2025)

LLM-Guided Issue Generation from Uncovered Code Segments
von: Pressato, Diany, et al.
Veröffentlicht: (2026)

What Makes Good In-context Demonstrations for Code Intelligence Tasks with LLMs?
von: Gao, Shuzheng, et al.
Veröffentlicht: (2023)

Deep Learning Based Code Generation Methods: Literature Review
von: Yang, Zezhou, et al.
Veröffentlicht: (2023)

A Roadmap on Modern Code Review: Challenges and Opportunities
von: Yang, Zezhou, et al.
Veröffentlicht: (2024)

Exploring Multi-Lingual Bias of Large Code Models in Code Generation
von: Wang, Chaozheng, et al.
Veröffentlicht: (2024)

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

Learning in the Wild: Towards Leveraging Unlabeled Data for Effectively Tuning Pre-trained Code Models
von: Gao, Shuzheng, et al.
Veröffentlicht: (2024)

An Empirical Study of Knowledge Distillation for Code Understanding Tasks
von: Wang, Ruiqi, et al.
Veröffentlicht: (2025)

Automated Prompt Generation for Code Intelligence: An Empirical study and Experience in WeChat
von: Ji, Kexing, et al.
Veröffentlicht: (2025)

Bridge and Hint: Extending Pre-trained Language Models for Long-Range Code
von: Chen, Yujia, et al.
Veröffentlicht: (2024)

Are They All Good? Evaluating the Quality of CoTs in LLM-based Code Generation
von: Zhang, Binquan, et al.
Veröffentlicht: (2025)

Towards Realistic Project-Level Code Generation via Multi-Agent Collaboration and Semantic Architecture Modeling
von: Zhao, Qianhui, et al.
Veröffentlicht: (2025)

SecureReviewer: Enhancing Large Language Models for Secure Code Review through Secure-aware Fine-tuning
von: Liu, Fang, et al.
Veröffentlicht: (2025)

The Good, the Bad, and the Missing: Neural Code Generation for Machine Learning Tasks
von: Shin, Jiho, et al.
Veröffentlicht: (2023)

A Systematic Evaluation of Large Code Models in API Suggestion: When, Which, and How
von: Wang, Chaozheng, et al.
Veröffentlicht: (2024)

Cascaded Code Editing: Large-Small Model Collaboration for Effective and Efficient Code Editing
von: Wang, Chaozheng, et al.
Veröffentlicht: (2026)

Weakly Supervised Vulnerability Localization via Multiple Instance Learning
von: Gu, Wenchao, et al.
Veröffentlicht: (2025)

A Closer Look into Transformer-Based Code Intelligence Through Code Transformation: Challenges and Opportunities
von: Li, Yaoxian, et al.
Veröffentlicht: (2022)

RepoScope: Leveraging Call Chain-Aware Multi-View Context for Repository-Level Code Generation
von: Liu, Yang, et al.
Veröffentlicht: (2025)

Schedule-and-Calibrate: Utility-Guided Multi-Task Reinforcement Learning for Code LLMs
von: Chen, Yujia, et al.
Veröffentlicht: (2026)

Uncovering LLM-Generated Code: A Zero-Shot Synthetic Code Detector via Code Rewriting
von: Ye, Tong, et al.
Veröffentlicht: (2024)

Predicting Developer Acceptance of AI-Generated Code Suggestions
von: Jiang, Jing, et al.
Veröffentlicht: (2026)

An Empirical Study of Interaction Smells in Multi-Turn Human-LLM Collaborative Code Generation
von: Zhang, Binquan, et al.
Veröffentlicht: (2026)

The Current Challenges of Software Engineering in the Era of Large Language Models
von: Gao, Cuiyun, et al.
Veröffentlicht: (2024)

MLLM-Based UI2Code Automation Guided by UI Layout Information
von: Wu, Fan, et al.
Veröffentlicht: (2025)

Smaller but Better: Self-Paced Knowledge Distillation for Lightweight yet Effective LCMs
von: Chen, Yujia, et al.
Veröffentlicht: (2024)

AXIOM: Benchmarking LLM-as-a-Judge for Code via Rule-Based Perturbation and Multisource Quality Calibration
von: Wang, Ruiqi, et al.
Veröffentlicht: (2025)

An Empirical Study on Failures in Automated Issue Solving
von: Liu, Simiao, et al.
Veröffentlicht: (2025)

Benchmarking LLMs for Fine-Grained Code Review with Enriched Context in Practice
von: Hu, Ruida, et al.
Veröffentlicht: (2025)