Buchumschlag

Code Generation with Small Language Models: A Codeforces-Based Study

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Souza, Débora, Gheyi, Rohit, Albuquerque, Lucas, Soares, Gustavo, Ribeiro, Márcio
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

Evaluating the Capability of LLMs in Identifying Compilation Errors in Configurable Systems
von: Albuquerque, Lucas, et al.
Veröffentlicht: (2024)

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

Investigating the Performance of Small Language Models in Detecting Test Smells in Manual Test Cases
von: Lucas, Keila, et al.
Veröffentlicht: (2025)

Evaluating Large Language Models in Detecting Test Smells
von: Lucas, Keila, et al.
Veröffentlicht: (2024)

Variability-Aware Detection and Repair of Compilation Errors Using Foundation Models in Configurable Systems
von: Gheyi, Rohit, et al.
Veröffentlicht: (2026)

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

Foundation Models as Oracles for Refactoring Correctness Detection
von: Gheyi, Rohit, et al.
Veröffentlicht: (2026)

Assessing Python Style Guides: An Eye-Tracking Study with Novice Developers
von: Roberto, Pablo, et al.
Veröffentlicht: (2024)

When Elo Lies: Hidden Biases in Codeforces-Based Evaluation of Large Language Models
von: Zheng, Shenyu, et al.
Veröffentlicht: (2026)

Agentic LMs: Hunting Down Test Smells
von: Melo, Rian, et al.
Veröffentlicht: (2025)

RefModel: Detecting Refactorings using Foundation Models
von: Simões, Pedro, et al.
Veröffentlicht: (2025)

A Catalog of Transformations to Remove Smells From Natural Language Tests
von: Aranda, Manoel, et al.
Veröffentlicht: (2024)

Adoption of Large Language Models in Scrum Management: Insights from Brazilian Practitioners
von: Perkusich, Mirko, et al.
Veröffentlicht: (2026)

Refactoring for Novices in Java: An Eye Tracking Study on the Extract vs. Inline Methods
von: da Costa, José Aldo Silva, et al.
Veröffentlicht: (2026)

Assessing Small Language Models for Code Generation: An Empirical Study with Benchmarks
von: Hasan, Md Mahade, et al.
Veröffentlicht: (2025)

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

Toward Green Code: Prompting Small Language Models for Energy-Efficient Code Generation
von: Ashraf, Humza, et al.
Veröffentlicht: (2025)

Improving Code Generation via Small Language Model-as-a-judge
von: Crupi, Giuseppe, et al.
Veröffentlicht: (2026)

Beyond Code, We Are People: A Systematic Mapping of 25 Years of Literature on Soft Skills in Agile Development Teams
von: Lima, Israely, et al.
Veröffentlicht: (2026)

A Preliminary Study on the Robustness of Code Generation by Large Language Models
von: Li, Zike, et al.
Veröffentlicht: (2025)

PymooLab: An Open-Source Visual Analytics Framework for Multi-Objective Optimization using LLM-Based Code Generation and MCDM
von: Santos, Thiago, et al.
Veröffentlicht: (2026)

Codehacks: A Dataset of Adversarial Tests for Competitive Programming Problems Obtained from Codeforces
von: Hort, Max, et al.
Veröffentlicht: (2025)

Assessing and Improving the Representativeness of Code Generation Benchmarks Using Knowledge Units (KUs) of Programming Languages -- An Empirical Study
von: Ahasanuzzaman, Md, et al.
Veröffentlicht: (2026)

ReqInOne: A Large Language Model-Based Agent for Software Requirements Specification Generation
von: Zhu, Taohong, et al.
Veröffentlicht: (2025)

Syntax Is Not Enough: An Empirical Study of Small Transformer Models for Neural Code Repair
von: Samant, Shaunak
Veröffentlicht: (2025)

Evaluating Small-Scale Code Models for Code Clone Detection
von: Martinez-Gil, Jorge
Veröffentlicht: (2025)

An Empirical Study of Sustainability in Prompt-driven Test Script Generation Using Small Language Models
von: Kumari, Pragati, et al.
Veröffentlicht: (2026)

An Empirical Study on Influence-Based Pretraining Data Selection for Code Large Language Models
von: Xing, Chengli, et al.
Veröffentlicht: (2026)

Improving Small Language Models for Code Generation with Reinforcement Learning from Verification Feedback
von: Skopin, Egor, et al.
Veröffentlicht: (2026)

The Role of Generative AI in Software Development Productivity: A Pilot Case Study
von: Coutinho, Mariana, et al.
Veröffentlicht: (2024)

An Exploratory Study of Bayesian Prompt Optimization for Test-Driven Code Generation with Large Language Models
von: Tomar, Shlok, et al.
Veröffentlicht: (2025)

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

Large Language Models for Code Generation: The Practitioners Perspective
von: Rasheed, Zeeshan, et al.
Veröffentlicht: (2025)

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

Can Large Language Models Generate Geospatial Code?
von: Hou, Shuyang, et al.
Veröffentlicht: (2024)

Optimizing Large Language Model Hyperparameters for Code Generation
von: Arora, Chetan, et al.
Veröffentlicht: (2024)

Self-planning Code Generation with Large Language Models
von: Jiang, Xue, et al.
Veröffentlicht: (2023)

A Survey on Evaluating Large Language Models in Code Generation Tasks
von: Chen, Liguo, et al.
Veröffentlicht: (2024)

A Study on Thinking Patterns of Large Reasoning Models in Code Generation
von: Halim, Kevin, et al.
Veröffentlicht: (2025)

Failure-Aware Enhancements for Large Language Model (LLM) Code Generation: An Empirical Study on Decision Framework
von: Shen, Jianru, et al.
Veröffentlicht: (2026)