Buchumschlag

DELA: A Novel Approach for Detecting Errors Induced by Large Atomic Condition Numbers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tan, Youshuai, Zhang, Zhanwei, Chen, Jinfu, Ding, Zishuo, Xuan, Jifeng, Shang, Weiyi
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

Computing Floating-Point Errors by Injecting Perturbations
von: Tan, Youshuai, et al.
Veröffentlicht: (2025)

A Mathematics-Guided Approach to Floating-Point Error Detection
von: Tan, Youshuai, et al.
Veröffentlicht: (2025)

OFP-Repair: Repairing Floating-point Errors via Original-Precision Arithmetic
von: Tan, Youshuai, et al.
Veröffentlicht: (2025)

Defects4Log: Benchmarking LLMs for Logging Code Defect Detection and Reasoning
von: Wang, Xin, et al.
Veröffentlicht: (2025)

LLM4Perf: Large Language Models Are Effective Samplers for Multi-Objective Performance Modeling
von: Wang, Xin, et al.
Veröffentlicht: (2025)

Large Language Models Based JSON Parser Fuzzing for Bug Discovery and Behavioral Analysis
von: Zhong, Zhiyuan, et al.
Veröffentlicht: (2024)

A Multi-Language Perspective on the Robustness of LLM Code Generation
von: Rabbi, Fazle, et al.
Veröffentlicht: (2025)

Multi-LLM Orchestration for High-Quality Code Generation: Exploiting Complementary Model Strengths
von: Chen, Huashan, et al.
Veröffentlicht: (2025)

Search-Induced Issues in Web-Augmented LLM Code Generation: Detecting and Repairing Error-Inducing Pages
von: Wang, Guoqing, et al.
Veröffentlicht: (2026)

FastLog: An End-to-End Method to Efficiently Generate and Insert Logging Statements
von: Xie, Xiaoyuan, et al.
Veröffentlicht: (2023)

Subgraph-Oriented Testing for Deep Learning Libraries
von: Xie, Xiaoyuan, et al.
Veröffentlicht: (2024)

SiblingRepair: Sibling-Based Multi-Hunk Repair with Large Language Models
von: Liu, Xinyu, et al.
Veröffentlicht: (2026)

Easy over Hard: A Simple Baseline for Test Failures Causes Prediction
von: Gao, Zhipeng, et al.
Veröffentlicht: (2024)

Logging Like Humans for LLMs: Rethinking Logging via Execution and Runtime Feedback
von: Wang, Xin, et al.
Veröffentlicht: (2026)

Studying and Understanding the Effectiveness and Failures of Conversational LLM-Based Repair
von: Chen, Aolin, et al.
Veröffentlicht: (2025)

Reflective Unit Test Generation for Precise Type Error Detection with Large Language Models
von: Yang, Chen, et al.
Veröffentlicht: (2025)

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

Towards Practical and Useful Automated Program Repair for Debugging
von: Xin, Qi, et al.
Veröffentlicht: (2024)

From Feedback to Failure: Automated Android Performance Issue Reproduction
von: Li, Zhengquan, et al.
Veröffentlicht: (2025)

Early Detection of Performance Regressions by Bridging Local Performance Data and Architectural Models
von: Liao, Lizhi, et al.
Veröffentlicht: (2024)

A Comprehensive Study of Deep Learning Model Fixing Approaches
von: You, Hanmo, et al.
Veröffentlicht: (2025)

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

ADPerf: Investigating and Testing Performance in Autonomous Driving Systems
von: Pham, Tri Minh-Triet, et al.
Veröffentlicht: (2025)

Detecting Build Dependency Errors in Incremental Builds
von: Lyu, Jun, et al.
Veröffentlicht: (2024)

A Large-scale Empirical Study on Fine-tuning Large Language Models for Unit Testing
von: Shang, Ye, et al.
Veröffentlicht: (2024)

iReDev: A Knowledge-Driven Multi-Agent Framework for Intelligent Requirements Development
von: Jin, Dongming, et al.
Veröffentlicht: (2025)

Is Your Private Information Logged? An Empirical Study on Android App Logs
von: Chen, Zhiyuan, et al.
Veröffentlicht: (2026)

Towards Understanding the Characteristics of Code Generation Errors Made by Large Language Models
von: Wang, Zhijie, et al.
Veröffentlicht: (2024)

EffiBench: Benchmarking the Efficiency of Automatically Generated Code
von: Huang, Dong, et al.
Veröffentlicht: (2024)

Large Language Models for Unit Testing: A Systematic Literature Review
von: Zhang, Quanjun, et al.
Veröffentlicht: (2025)

From Ranking to Reasoning: Explainable Web API Recommendation via Semantic Reasoning
von: Xu, Zishuo, et al.
Veröffentlicht: (2025)

A Novel Approach for Automated Design Information Mining from Issue Logs
von: Zhao, Jiuang, et al.
Veröffentlicht: (2024)

Automatic Syntax Error Repair for Discrete Controller Synthesis using Large Language Model
von: Ishimizu, Yusei, et al.
Veröffentlicht: (2025)

Detecting Stimuli with Novel Temporal Patterns to Accelerate Functional Coverage Closure
von: Zheng, Xuan, et al.
Veröffentlicht: (2024)

Unveiling Code Clone Patterns in Open Source VR Software: An Empirical Study
von: Chen, Huashan, et al.
Veröffentlicht: (2025)

Interleaved Learning and Exploration: A Self-Adaptive Fuzz Testing Framework for MLIR
von: Sun, Zeyu, et al.
Veröffentlicht: (2025)

A Story About Cohesion and Separation: Label-Free Metric for Log Parser Evaluation
von: Qin, Qiaolin, et al.
Veröffentlicht: (2025)

BinMetric: A Comprehensive Binary Analysis Benchmark for Large Language Models
von: Shang, Xiuwei, et al.
Veröffentlicht: (2025)

A Hybrid Approach for EMF Code Generation:Code Templates Meet Large Language Models
von: He, Xiao, et al.
Veröffentlicht: (2025)

TestBench: Evaluating Class-Level Test Case Generation Capability of Large Language Models
von: Zhang, Quanjun, et al.
Veröffentlicht: (2024)