Buchumschlag

ArchCode: Incorporating Software Requirements in Code Generation with Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Han, Hojae, Kim, Jaejin, Yoo, Jaeseok, Lee, Youngwon, Hwang, Seung-won
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PERC: Plan-As-Query Example Retrieval for Underrepresented Code Generation
von: Yoo, Jaeseok, et al.
Veröffentlicht: (2024)

DuET: Dual Execution for Test Output Prediction with Generated Code and Pseudocode
von: Han, Hojae, et al.
Veröffentlicht: (2026)

ConvCodeWorld: Benchmarking Conversational Code Generation in Reproducible Feedback Environments
von: Han, Hojae, et al.
Veröffentlicht: (2025)

Chain of Grounded Objectives: Bridging Process and Goal-oriented Prompting for Code Generation
von: Yeo, Sangyeop, et al.
Veröffentlicht: (2025)

R$^3$-SQL: Ranking Reward and Resampling for Text-to-SQL
von: Han, Hojae, et al.
Veröffentlicht: (2026)

A Survey on Large Language Models for Code Generation
von: Jiang, Juyong, et al.
Veröffentlicht: (2024)

CodeMirage: Hallucinations in Code Generated by Large Language Models
von: Agarwal, Vibhor, et al.
Veröffentlicht: (2024)

Eliciting Instruction-tuned Code Language Models' Capabilities to Utilize Auxiliary Function for Code Generation
von: Lee, Seonghyeon, et al.
Veröffentlicht: (2024)

Is Functional Correctness Enough to Evaluate Code Language Models? Exploring Diversity of Generated Codes
von: Chon, Heejae, et al.
Veröffentlicht: (2024)

A Code Comprehension Benchmark for Large Language Models for Code
von: Havare, Jayant, et al.
Veröffentlicht: (2025)

Beyond Correctness: Benchmarking Multi-dimensional Code Generation for Large Language Models
von: Zheng, Jiasheng, et al.
Veröffentlicht: (2024)

CodeIF-Bench: Evaluating Instruction-Following Capabilities of Large Language Models in Interactive Code Generation
von: Wang, Peiding, et al.
Veröffentlicht: (2025)

Exploring Language Model's Code Generation Ability with Auxiliary Functions
von: Lee, Seonghyeon, et al.
Veröffentlicht: (2024)

CodeMind: Evaluating Large Language Models for Code Reasoning
von: Liu, Changshu, et al.
Veröffentlicht: (2024)

Testing the Effect of Code Documentation on Large Language Model Code Understanding
von: Macke, William, et al.
Veröffentlicht: (2024)

Multilingual Multimodal Software Developer for Code Generation
von: Chai, Linzheng, et al.
Veröffentlicht: (2025)

Exploring Data-Efficient Adaptation of Large Language Models for Code Generation
von: Jiang, Xue, et al.
Veröffentlicht: (2024)

Self-Explained Keywords Empower Large Language Models for Code Generation
von: Fan, Lishui, et al.
Veröffentlicht: (2024)

ConCodeEval: Evaluating Large Language Models for Code Constraints in Domain-Specific Languages
von: Kammakomati, Mehant, et al.
Veröffentlicht: (2024)

Coffee: Boost Your Code LLMs by Fixing Bugs with Feedback
von: Moon, Seungjun, et al.
Veröffentlicht: (2023)

Rethinking Code Refinement: Learning to Judge Code Efficiency
von: Seo, Minju, et al.
Veröffentlicht: (2024)

Unifying the Perspectives of NLP and Software Engineering: A Survey on Language Models for Code
von: Zhang, Ziyin, et al.
Veröffentlicht: (2023)

Analyzing the Performance of Large Language Models on Code Summarization
von: Haldar, Rajarshi, et al.
Veröffentlicht: (2024)

CodexGraph: Bridging Large Language Models and Code Repositories via Code Graph Databases
von: Liu, Xiangyan, et al.
Veröffentlicht: (2024)

How Diversely Can Language Models Solve Problems? Exploring the Algorithmic Diversity of Model-Generated Code
von: Lee, Seonghyeon, et al.
Veröffentlicht: (2025)

DevEval: Evaluating Code Generation in Practical Software Projects
von: Li, Jia, et al.
Veröffentlicht: (2024)

VHDL-Eval: A Framework for Evaluating Large Language Models in VHDL Code Generation
von: Vijayaraghavan, Prashanth, et al.
Veröffentlicht: (2024)

Demo-Craft: Using In-Context Learning to Improve Code Generation in Large Language Models
von: Kapu, Nirmal Joshua, et al.
Veröffentlicht: (2024)

Chain-of-Programming (CoP) : Empowering Large Language Models for Geospatial Code Generation
von: Hou, Shuyang, et al.
Veröffentlicht: (2024)

RobuNFR: Evaluating the Robustness of Large Language Models on Non-Functional Requirements Aware Code Generation
von: Lin, Feng, et al.
Veröffentlicht: (2025)

CodeVisionary: An Agent-based Framework for Evaluating Large Language Models in Code Generation
von: Wang, Xinchen, et al.
Veröffentlicht: (2025)

SOEN-101: Code Generation by Emulating Software Process Models Using Large Language Model Agents
von: Lin, Feng, et al.
Veröffentlicht: (2024)

ICE-Score: Instructing Large Language Models to Evaluate Code
von: Zhuo, Terry Yue
Veröffentlicht: (2023)

How Effective are Generative Large Language Models in Performing Requirements Classification?
von: Alhoshan, Waad, et al.
Veröffentlicht: (2025)

From Critique to Clarity: A Pathway to Faithful and Personalized Code Explanations with Large Language Models
von: Xu, Zexing, et al.
Veröffentlicht: (2024)

Perish or Flourish? A Holistic Evaluation of Large Language Models for Code Generation in Functional Programming
von: Lang, Nguyet-Anh H., et al.
Veröffentlicht: (2026)

A Preliminary Study of Multilingual Code Language Models for Code Generation Task Using Translated Benchmarks
von: Dandamudi, Rohit, et al.
Veröffentlicht: (2024)

Astraios: Parameter-Efficient Instruction Tuning Code Large Language Models
von: Zhuo, Terry Yue, et al.
Veröffentlicht: (2024)

Large Language Model Critics for Execution-Free Evaluation of Code Changes
von: Yadavally, Aashish, et al.
Veröffentlicht: (2025)

CODESYNC: Synchronizing Large Language Models with Dynamic Code Evolution at Scale
von: Wang, Chenlong, et al.
Veröffentlicht: (2025)