Buchumschlag

An Empirical Study of Refactoring Engine Bugs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Haibo, Xu, Zhuolin, Zhang, Huaien, Tsantalis, Nikolaos, Tan, Shin Hwei
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

Testing Refactoring Engine via Historical Bug Report driven LLM
von: Wang, Haibo, et al.
Veröffentlicht: (2025)

Investigating Code Reuse in Software Redesign: A Case Study
von: Zhang, Xiaowen, et al.
Veröffentlicht: (2026)

Dissecting Bug Triggers and Failure Modes in Modern Agentic Frameworks: An Empirical Study
von: Zhang, Xiaowen, et al.
Veröffentlicht: (2026)

A Novel Refactoring and Semantic Aware Abstract Syntax Tree Differencing Tool and a Benchmark for Evaluating the Accuracy of Diff Tools
von: Alikhanifard, Pouria, et al.
Veröffentlicht: (2024)

Refactoring-aware Block Tracking in Commit History
von: Hasan, Mohammed Tayeeb, et al.
Veröffentlicht: (2024)

Understanding and Detecting Annotation-Induced Faults of Static Analyzers
von: Zhang, Huaien, et al.
Veröffentlicht: (2024)

Guiding ChatGPT to Fix Web UI Tests via Explanation-Consistency Checking
von: Xu, Zhuolin, et al.
Veröffentlicht: (2023)

MANTRA: Enhancing Automated Method-Level Refactoring with Contextual RAG and Multi-Agent LLM Collaboration
von: Xu, Yisen, et al.
Veröffentlicht: (2025)

Structured Safety Auditing for Balancing Code Correctness and Content Safety in LLM-Generated Code
von: Tan, Honghao, et al.
Veröffentlicht: (2026)

What Makes Code Generation Ethically Sourced?
von: Xu, Zhuolin, et al.
Veröffentlicht: (2025)

Automated Harmfulness Testing for Code Large Language Models
von: Tan, Honghao, et al.
Veröffentlicht: (2025)

Ethics Testing: Proactive Identification of Generative AI System Harms
von: Tan, Shin Hwei, et al.
Veröffentlicht: (2026)

An Empirical Study of False Negatives and Positives of Static Code Analyzers From the Perspective of Historical Issues
von: Cui, Han, et al.
Veröffentlicht: (2024)

Moving beyond Deletions: Program Simplification via Diverse Program Transformations
von: Wang, Haibo, et al.
Veröffentlicht: (2024)

An Empirical Study on the Potential of LLMs in Automated Software Refactoring
von: Liu, Bo, et al.
Veröffentlicht: (2024)

Bugs in the Shadows: Static Detection of Faulty Python Refactorings
von: Oliveira, Jonhnanthan, et al.
Veröffentlicht: (2025)

How do Agents Refactor: An Empirical Study
von: Ottenhof, Lukas, et al.
Veröffentlicht: (2026)

Assessing the Bug-Proneness of Refactored Code: A Longitudinal Multi-Project Study
von: Ferreira, Isabella, et al.
Veröffentlicht: (2025)

Evaluating the Effectiveness of Small Language Models in Detecting Refactoring Bugs
von: Gheyi, Rohit, et al.
Veröffentlicht: (2025)

AI-Generated Smells: An Analysis of Code and Architecture in LLM and Agent-Driven Development
von: Zhu, Yuecai, et al.
Veröffentlicht: (2026)

LLMs are Bug Replicators: An Empirical Study on LLMs' Capability in Completing Bug-prone Code
von: Guo, Liwei, et al.
Veröffentlicht: (2025)

Finding Cross-rule Optimization Bugs in Datalog Engines
von: Zhang, Chi, et al.
Veröffentlicht: (2024)

An Empirical Study on the Code Refactoring Capability of Large Language Models
von: Cordeiro, Jonathan, et al.
Veröffentlicht: (2024)

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

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

An Empirical Study of Bugs in Modern LLM Agent Frameworks
von: Zhu, Xinxue, et al.
Veröffentlicht: (2026)

Refactoring $\neq$ Bug-Inducing: Improving Defect Prediction with Code Change Tactics Analysis
von: Niu, Feifei, et al.
Veröffentlicht: (2025)

Leveraging LLMs, IDEs, and Semantic Embeddings for Automated Move Method Refactoring
von: Bellur, Abhiram, et al.
Veröffentlicht: (2025)

Deciphering Refactoring Branch Dynamics in Modern Code Review: An Empirical Study on Qt
von: AlOmar, Eman Abdullah
Veröffentlicht: (2024)

An Empirical Study on the Impact of Code Duplication-aware Refactoring Practices on Quality Metrics
von: AlOmar, Eman Abdullah
Veröffentlicht: (2025)

Are Benchmark Tests Strong Enough? Mutation-Guided Diagnosis and Augmentation of Regression Suites
von: Li, Chenglin, et al.
Veröffentlicht: (2026)

From Historical Patches to Repair Plans: Outcome-Conditioned Reasoning for Repository-Level Program Repair
von: Li, Chenglin, et al.
Veröffentlicht: (2026)

A First Look at Bugs in LLM Inference Engines
von: Liu, Mugeng, et al.
Veröffentlicht: (2025)

Bug Priority Change: An Empirical Study on Apache Projects
von: Li, Zengyang, et al.
Veröffentlicht: (2024)

An Empirical Study on the Capability of LLMs in Decomposing Bug Reports
von: Chen, Zhiyuan, et al.
Veröffentlicht: (2025)

Exploring the Jupyter Ecosystem: An Empirical Study of Bugs and Vulnerabilities
von: Jiang, Wenyuan, et al.
Veröffentlicht: (2025)

An Empirical Study on the Classification of Bug Reports with Machine Learning
von: Andrade, Renato, et al.
Veröffentlicht: (2025)

An Empirical Study of Interaction Bugs in ROS-based Software
von: Chen, Zhixiang, et al.
Veröffentlicht: (2025)

Search Budget in Multi-Objective Refactoring Optimization: a Model-Based Empirical Study
von: Di Pompeo, Daniele, et al.
Veröffentlicht: (2022)

Understanding Bug-Reproducing Tests: A First Empirical Study
von: Hora, Andre, et al.
Veröffentlicht: (2026)