Buchumschlag

ECCO: Can We Improve Model-Generated Code Efficiency Without Sacrificing Functional Correctness?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Waghjale, Siddhant, Veerendranath, Vishruth, Wang, Zora Zhiruo, Fried, Daniel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Pre-Calc: Learning to Use the Calculator Improves Numeracy in Language Models
von: Veerendranath, Vishruth, et al.
Veröffentlicht: (2024)

API-Assisted Code Generation for Question Answering on Varied Table Structures
von: Cao, Yihan, et al.
Veröffentlicht: (2023)

How Do AI Agents Do Human Work? Comparing AI and Human Workflows Across Diverse Occupations
von: Wang, Zora Zhiruo, et al.
Veröffentlicht: (2025)

What Are Tools Anyway? A Survey from the Language Model Perspective
von: Wang, Zhiruo, et al.
Veröffentlicht: (2024)

cAST: Enhancing Code Retrieval-Augmented Generation with Structural Chunking via Abstract Syntax Tree
von: Zhang, Yilin, et al.
Veröffentlicht: (2025)

CodeRAG-Bench: Can Retrieval Augment Code Generation?
von: Wang, Zora Zhiruo, et al.
Veröffentlicht: (2024)

Inducing Programmatic Skills for Agentic Tasks
von: Wang, Zora Zhiruo, et al.
Veröffentlicht: (2025)

Agent Workflow Memory
von: Wang, Zora Zhiruo, et al.
Veröffentlicht: (2024)

CowPilot: A Framework for Autonomous and Human-Agent Collaborative Web Navigation
von: Huq, Faria, et al.
Veröffentlicht: (2025)

Reasoning Models Can Be Effective Without Thinking
von: Ma, Wenjie, et al.
Veröffentlicht: (2025)

CRScore: Grounding Automated Evaluation of Code Review Comments in Code Claims and Smells
von: Naik, Atharva, et al.
Veröffentlicht: (2024)

SkillWeaver: Web Agents can Self-Improve by Discovering and Honing Skills
von: Zheng, Boyuan, et al.
Veröffentlicht: (2025)

Dual-objective Language Models: Training Efficiency Without Overfitting
von: Samuel, David, et al.
Veröffentlicht: (2025)

TroVE: Inducing Verifiable and Efficient Toolboxes for Solving Programmatic Tasks
von: Wang, Zhiruo, et al.
Veröffentlicht: (2024)

Do Cognitively Interpretable Reasoning Traces Improve LLM Performance?
von: Bhambri, Siddhant, et al.
Veröffentlicht: (2025)

Is the Pope Catholic? Yes, the Pope is Catholic. Generative Evaluation of Non-Literal Intent Resolution in LLMs
von: Yerukola, Akhila, et al.
Veröffentlicht: (2024)

Can We Trust LLM Detectors?
von: Sandhan, Jivnesh, et al.
Veröffentlicht: (2026)

Functional Entropy: Predicting Functional Correctness in LLM-Generated Code with Uncertainty Quantification
von: Bouchard, Dylan, et al.
Veröffentlicht: (2026)

Can We Verify Step by Step for Incorrect Answer Detection?
von: Xu, Xin, et al.
Veröffentlicht: (2024)

Can We Locate and Prevent Stereotypes in LLMs?
von: D'Souza, Alex
Veröffentlicht: (2026)

Can Large Language Models Understand, Reason About, and Generate Code-Switched Text?
von: Winata, Genta Indra, et al.
Veröffentlicht: (2026)

How Far Are We from Optimal Reasoning Efficiency?
von: Gao, Jiaxuan, et al.
Veröffentlicht: (2025)

From Code to Correctness: Closing the Last Mile of Code Generation with Hierarchical Debugging
von: Shi, Yuling, et al.
Veröffentlicht: (2024)

LLMs Can Plan Only If We Tell Them
von: Sel, Bilgehan, et al.
Veröffentlicht: (2025)

SAIL: Self-Improving Efficient Online Alignment of Large Language Models
von: Ding, Mucong, et al.
Veröffentlicht: (2024)

Improving the Efficiency of Visually Augmented Language Models
von: Ontalvilla, Paula, et al.
Veröffentlicht: (2024)

DreamPRM-Code: Function-as-Step Process Reward Model with Label Correction for LLM Coding
von: Zhang, Ruiyi, et al.
Veröffentlicht: (2025)

Improving Training Efficiency and Reducing Maintenance Costs via Language Specific Model Merging
von: Dmonte, Alphaeus, et al.
Veröffentlicht: (2026)

Extrapolative Weight Averaging Reveals Correctness-Efficiency Frontiers in Code RL
von: Zheng, Kunhao, et al.
Veröffentlicht: (2026)

LLM-REVal: Can We Trust LLM Reviewers Yet?
von: Li, Rui, et al.
Veröffentlicht: (2025)

Can We Edit LLMs for Long-Tail Biomedical Knowledge?
von: Yi, Xinhao, et al.
Veröffentlicht: (2025)

We Can't Understand AI Using our Existing Vocabulary
von: Hewitt, John, et al.
Veröffentlicht: (2025)

BigCodeBench: Benchmarking Code Generation with Diverse Function Calls and Complex Instructions
von: Zhuo, Terry Yue, et al.
Veröffentlicht: (2024)

Can Hallucination Correction Improve Video-Language Alignment?
von: Zhao, Lingjun, et al.
Veröffentlicht: (2025)

On the Brittle Foundations of ReAct Prompting for Agentic Large Language Models
von: Verma, Mudit, et al.
Veröffentlicht: (2024)

ECCO: Evidence-Driven Causal Reasoning for Compiler Optimization
von: Pan, Haolin, et al.
Veröffentlicht: (2026)

"In Dialogues We Learn": Towards Personalized Dialogue Without Pre-defined Profiles through In-Dialogue Learning
von: Cheng, Chuanqi, et al.
Veröffentlicht: (2024)

Can LLMs Correct Themselves? A Benchmark of Self-Correction in LLMs
von: Tie, Guiyao, et al.
Veröffentlicht: (2025)

Can Language Model Moderators Improve the Health of Online Discourse?
von: Cho, Hyundong, et al.
Veröffentlicht: (2023)

CRITIC: Large Language Models Can Self-Correct with Tool-Interactive Critiquing
von: Gou, Zhibin, et al.
Veröffentlicht: (2023)