Buchumschlag

A Semantic-based Optimization Approach for Repairing LLMs: Case Study on Code Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gu, Jian, Aleti, Aldeida, Chen, Chunyang, Zhang, Hongyu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Software Engineering Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neuron Patching: Semantic-based Neuron-level Language Model Repair for Code Generation
von: Gu, Jian, et al.
Veröffentlicht: (2023)

A Semantic-Aware Layer-Freezing Approach to Computation-Efficient Fine-Tuning of Language Models
von: Gu, Jian, et al.
Veröffentlicht: (2024)

Vocabulary-Defined Semantics: Latent Space Clustering for Improving In-Context Learning
von: Gu, Jian, et al.
Veröffentlicht: (2024)

SeMe: Training-Free Language Model Merging via Semantic Alignment
von: Gu, Jian, et al.
Veröffentlicht: (2025)

Beyond Neural Incompatibility: Cross-Scale Knowledge Transfer in Language Models through Latent Semantic Alignment
von: Gu, Jian, et al.
Veröffentlicht: (2025)

Rethinking Weight Tying: Pseudo-Inverse Tying for LM Stable Training and Updates
von: Gu, Jian, et al.
Veröffentlicht: (2026)

MORTAR: Multi-turn Metamorphic Testing for LLM-based Dialogue Systems
von: Guo, Guoxiang, et al.
Veröffentlicht: (2024)

Wisdom and Delusion of LLM Ensembles for Code Generation and Repair
von: Vallecillos-Ruiz, Fernando, et al.
Veröffentlicht: (2025)

CONCUR: Benchmarking LLMs for Concurrent Code Generation
von: Huang, Jue, et al.
Veröffentlicht: (2026)

LeetCodeDataset: A Temporal Dataset for Robust Evaluation and Efficient Training of Code LLMs
von: Xia, Yunhui, et al.
Veröffentlicht: (2025)

Optimizing Case-Based Reasoning System for Functional Test Script Generation with Large Language Models
von: Guo, Siyuan, et al.
Veröffentlicht: (2025)

PAFOT: A Position-Based Approach for Finding Optimal Tests of Autonomous Vehicles
von: Crespo-Rodriguez, Victor, et al.
Veröffentlicht: (2024)

CodeJudge: Evaluating Code Generation with Large Language Models
von: Tong, Weixi, et al.
Veröffentlicht: (2024)

Aligning the Objective of LLM-based Program Repair
von: Xu, Junjielong, et al.
Veröffentlicht: (2024)

Automatic Pull Request Description Generation Using LLMs: A T5 Model Approach
von: Sakib, Md Nazmus, et al.
Veröffentlicht: (2024)

CodeMirage: A Multi-Lingual Benchmark for Detecting AI-Generated and Paraphrased Source Code from Production-Level LLMs
von: Guo, Hanxi, et al.
Veröffentlicht: (2025)

StackEval: Benchmarking LLMs in Coding Assistance
von: Shah, Nidhish, et al.
Veröffentlicht: (2024)

SelfCodeAlign: Self-Alignment for Code Generation
von: Wei, Yuxiang, et al.
Veröffentlicht: (2024)

A Multi-Perspective Architecture for Semantic Code Search
von: Haldar, Rajarshi, et al.
Veröffentlicht: (2020)

NaturalCodeBench: Examining Coding Performance Mismatch on HumanEval and Natural User Prompts
von: Zhang, Shudan, et al.
Veröffentlicht: (2024)

IntentCoding: Amplifying User Intent in Code Generation
von: Fang, Zheng, et al.
Veröffentlicht: (2026)

Evaluating Language Models for Efficient Code Generation
von: Liu, Jiawei, et al.
Veröffentlicht: (2024)

Rethinking Repetition Problems of LLMs in Code Generation
von: Dong, Yihong, et al.
Veröffentlicht: (2025)

Sense and Sensitivity: Examining the Influence of Semantic Recall on Long Context Code Reasoning
von: Štorek, Adam, et al.
Veröffentlicht: (2025)

CoNCRA: A Convolutional Neural Network Code Retrieval Approach
von: Martins, Marcelo de Rezende, et al.
Veröffentlicht: (2020)

ViBR: Automated Bug Replay from Video-based Reports using Vision-Language Models
von: Feng, Sidong, et al.
Veröffentlicht: (2026)

LiveCodeBench: Holistic and Contamination Free Evaluation of Large Language Models for Code
von: Jain, Naman, et al.
Veröffentlicht: (2024)

Automated Trustworthiness Oracle Generation for Machine Learning Text Classifiers
von: Tung, Lam Nguyen, et al.
Veröffentlicht: (2024)

Can OpenSource beat ChatGPT? -- A Comparative Study of Large Language Models for Text-to-Code Generation
von: Mayer, Luis, et al.
Veröffentlicht: (2024)

Uncertainty Awareness of Large Language Models Under Code Distribution Shifts: A Benchmark Study
von: Li, Yufei, et al.
Veröffentlicht: (2024)

A Survey on Code Generation with LLM-based Agents
von: Dong, Yihong, et al.
Veröffentlicht: (2025)

The Art of Repair: Optimizing Iterative Program Repair with Instruction-Tuned Models
von: Ruiz, Fernando Vallecillos, et al.
Veröffentlicht: (2025)

AuPair: Golden Example Pairs for Code Repair
von: Mavalankar, Aditi, et al.
Veröffentlicht: (2025)

Hybrid-Gym: Training Coding Agents to Generalize Across Tasks
von: Xie, Yiqing, et al.
Veröffentlicht: (2026)

SceneGenAgent: Precise Industrial Scene Generation with Coding Agent
von: Xia, Xiao, et al.
Veröffentlicht: (2024)

Code to Think, Think to Code: A Survey on Code-Enhanced Reasoning and Reasoning-Driven Code Intelligence in LLMs
von: Yang, Dayu, et al.
Veröffentlicht: (2025)

ReCode: Reinforcing Code Generation with Reasoning-Process Rewards
von: Fan, Lishui, et al.
Veröffentlicht: (2025)

GiFT: Gibbs Fine-Tuning for Code Generation
von: Li, Haochen, et al.
Veröffentlicht: (2025)

MetaLint: Easy-to-Hard Generalization for Code Linting
von: Naik, Atharva, et al.
Veröffentlicht: (2025)

CoCoST: Automatic Complex Code Generation with Online Searching and Correctness Testing
von: He, Xinyi, et al.
Veröffentlicht: (2024)