Buchumschlag

SolSearch: An LLM-Driven Framework for Efficient SAT-Solving Code Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sheng, Junjie, Lin, Yanqiu, Wu, Jiehao, Huang, Yanhong, Shi, Jianqi, Zhang, Min, Wang, Xiangfeng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning to Solve and Verify: A Self-Play Framework for Code and Test Generation
von: Lin, Zi, et al.
Veröffentlicht: (2025)

SAT-DIFF: A Tree Diffing Framework Using SAT Solving
von: Geng, Chuqin, et al.
Veröffentlicht: (2024)

SolAgent: A Specialized Multi-Agent Framework for Solidity Code Generation
von: Chen, Wei, et al.
Veröffentlicht: (2026)

AdaptiveLLM: A Framework for Selecting Optimal Cost-Efficient LLM for Code-Generation Based on CoT Length
von: Cheng, Junhang, et al.
Veröffentlicht: (2025)

SolEval: Benchmarking Large Language Models for Repository-level Solidity Code Generation
von: Peng, Zhiyuan, 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)

ECO: An LLM-Driven Efficient Code Optimizer for Warehouse Scale Computers
von: Lin, Hannah, et al.
Veröffentlicht: (2025)

Inducing Vulnerable Code Generation in LLM Coding Assistants
von: Zeng, Binqi, et al.
Veröffentlicht: (2025)

On the Effectiveness of Training Data Optimization for LLM-based Code Generation: An Empirical Study
von: Kuang, Shiqi, et al.
Veröffentlicht: (2025)

SolContractEval: A Benchmark for Evaluating Contract-Level Solidity Code Generation
von: Ye, Zhifan, et al.
Veröffentlicht: (2025)

Bias Testing and Mitigation in LLM-based Code Generation
von: Huang, Dong, et al.
Veröffentlicht: (2023)

Smoke and Mirrors: Jailbreaking LLM-based Code Generation via Implicit Malicious Prompts
von: Ouyang, Sheng, et al.
Veröffentlicht: (2025)

CodeArena: A Collective Evaluation Platform for LLM Code Generation
von: Du, Mingzhe, et al.
Veröffentlicht: (2025)

ComplexVCoder: An LLM-Driven Framework for Systematic Generation of Complex Verilog Code
von: Zuo, Jian, et al.
Veröffentlicht: (2025)

Aligning Requirement for Large Language Model's Code Generation
von: Tian, Zhao, et al.
Veröffentlicht: (2025)

Code-Survey: An LLM-Driven Methodology for Analyzing Large-Scale Codebases
von: Zheng, Yusheng, 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)

CodeCoR: An LLM-Based Self-Reflective Multi-Agent Framework for Code Generation
von: Pan, Ruwei, et al.
Veröffentlicht: (2025)

REAgent: Requirement-Driven LLM Agents for Software Issue Resolution
von: Kuang, Shiqi, et al.
Veröffentlicht: (2026)

LLM-Based Test-Driven Interactive Code Generation: User Study and Empirical Evaluation
von: Fakhoury, Sarah, et al.
Veröffentlicht: (2024)

Bias Unveiled: Investigating Social Bias in LLM-Generated Code
von: Ling, Lin, et al.
Veröffentlicht: (2024)

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

Uncovering Business Logic Bugs via Semantics-Driven Unit Test Generation
von: Yang, Chen, et al.
Veröffentlicht: (2026)

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

Dependency-Aware Code Naturalness
von: Yang, Chen, et al.
Veröffentlicht: (2024)

Improving LLM Code Generation via Requirement-Aware Curriculum Reinforcement Learning
von: Yin, Shouyu, et al.
Veröffentlicht: (2026)

Fixing Large Language Models' Specification Misunderstanding for Better Code Generation
von: Tian, Zhao, et al.
Veröffentlicht: (2023)

Whose fault is it anyway? SILC: Safe Integration of LLM-Generated Code
von: Lin, Peisen, et al.
Veröffentlicht: (2024)

GeoJSON Agents:A Multi-Agent LLM Architecture for Geospatial Analysis-Function Calling vs Code Generation
von: Luo, Qianqian, et al.
Veröffentlicht: (2025)

CodeVision: Detecting LLM-Generated Code Using 2D Token Probability Maps and Vision Models
von: Xu, Zhenyu, et al.
Veröffentlicht: (2025)

Guiding AI to Fix Its Own Flaws: An Empirical Study on LLM-Driven Secure Code Generation
von: Yan, Hao, et al.
Veröffentlicht: (2025)

Context-Aware CodeLLM Eviction for AI-assisted Coding
von: Thangarajah, Kishanthan, et al.
Veröffentlicht: (2025)

LLM-Empowered Event-Chain Driven Code Generation for ADAS in SDV systems
von: Petrovic, Nenad, et al.
Veröffentlicht: (2025)

Beyond Code Generation: Assessing Code LLM Maturity with Postconditions
von: He, Fusen, et al.
Veröffentlicht: (2024)

EXPEREPAIR: Dual-Memory Enhanced LLM-based Repository-Level Program Repair
von: Mu, Fangwen, et al.
Veröffentlicht: (2025)

Lares: LLM-driven Code Slice Semantic Search for Patch Presence Testing
von: Li, Siyuan, et al.
Veröffentlicht: (2025)

TraceCoder: A Trace-Driven Multi-Agent Framework for Automated Debugging of LLM-Generated Code
von: Huang, Jiangping, et al.
Veröffentlicht: (2026)

Simplicity by Obfuscation: Evaluating LLM-Driven Code Transformation with Semantic Elasticity
von: De Tomasi, Lorenzo, et al.
Veröffentlicht: (2025)

Uncovering Intention through LLM-Driven Code Snippet Description Generation
von: Nugroho, Yusuf Sulistyo, et al.
Veröffentlicht: (2025)

HumanEvalComm: Benchmarking the Communication Competence of Code Generation for LLMs and LLM Agent
von: Wu, Jie JW, et al.
Veröffentlicht: (2024)