Buchumschlag

CoMRAT: Commit Message Rationale Analysis Tool

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dhaouadi, Mouna, Oakes, Bentley James, Famelis, Michalis
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

Rationale Dataset and Analysis for the Commit Messages of the Linux Kernel Out-of-Memory Killer
von: Dhaouadi, Mouna, et al.
Veröffentlicht: (2024)

Automated Extraction and Analysis of Developer's Rationale in Open Source Software
von: Dhaouadi, Mouna, et al.
Veröffentlicht: (2025)

How Users Employ Workarounds in Software Forms
von: Zaheri, MohammadAmin, et al.
Veröffentlicht: (2025)

Optimization is Better than Generation: Optimizing Commit Message Leveraging Human-written Commit Message
von: Li, Jiawei, et al.
Veröffentlicht: (2025)

CoRaCMG: Contextual Retrieval-Augmented Framework for Commit Message Generation
von: Xiong, Bo, et al.
Veröffentlicht: (2025)

RAG-Enhanced Commit Message Generation
von: Zhang, Linghao, et al.
Veröffentlicht: (2024)

CommitSuite: A Comprehensive Benchmark for Commit Classification and Message Generation
von: Wan, Zirui, et al.
Veröffentlicht: (2026)

DTInsight: A Tool for Explicit, Interactive, and Continuous Digital Twin Reporting
von: Fiter, Kérian, et al.
Veröffentlicht: (2025)

Engineering a Digital Twin for the Monitoring and Control of Beer Fermentation Sampling
von: Goffi, Pierre-Emmanuel, et al.
Veröffentlicht: (2025)

Automated Generation of Commit Messages in Software Repositories
von: Palakodeti, Varun Kumar, et al.
Veröffentlicht: (2025)

Commit Messages in the Age of Large Language Models
von: Lopes, Cristina V., et al.
Veröffentlicht: (2024)

Improving the Quality of Commit Messages in Students' Projects
von: Ma, Iris, et al.
Veröffentlicht: (2023)

CommitBench: A Benchmark for Commit Message Generation
von: Schall, Maximilian, et al.
Veröffentlicht: (2024)

Evaluating Generated Commit Messages with Large Language Models
von: Zeng, Qunhong, et al.
Veröffentlicht: (2025)

On the Rationale and Use of Assertion Messages in Test Code: Insights from Software Practitioners
von: Peruma, Anthony, et al.
Veröffentlicht: (2024)

Contextual Code Retrieval for Commit Message Generation: A Preliminary Study
von: Xiong, Bo, et al.
Veröffentlicht: (2025)

On the Informativeness of Security Commit Messages: A Large-scale Replication Study
von: Islam, Syful, et al.
Veröffentlicht: (2026)

Context Conquers Parameters: Outperforming Proprietary LLM in Commit Message Generation
von: Imani, Aaron, et al.
Veröffentlicht: (2024)

Brevity is the Soul of Wit: Condensing Code Changes to Improve Commit Message Generation
von: Kuang, Hongyu, et al.
Veröffentlicht: (2025)

An Empirical Study on Commit Message Generation using LLMs via In-Context Learning
von: Wu, Yifan, et al.
Veröffentlicht: (2025)

Automated Commit Message Generation with Large Language Models: An Empirical Study and Beyond
von: Xue, Pengyu, et al.
Veröffentlicht: (2024)

Using Large Language Models for Commit Message Generation: A Preliminary Study
von: Zhang, Linghao, et al.
Veröffentlicht: (2024)

On the Use of Commit Messages for Corrective Software Maintenance: A Systematic Mapping Study
von: Islam, Syful, et al.
Veröffentlicht: (2026)

Consider What Humans Consider: Optimizing Commit Message Leveraging Contexts Considered By Human
von: Li, Jiawei, et al.
Veröffentlicht: (2025)

KADEL: Knowledge-Aware Denoising Learning for Commit Message Generation
von: Tao, Wei, et al.
Veröffentlicht: (2024)

CodeFuse-CommitEval: Towards Benchmarking LLM's Power on Commit Message and Code Change Inconsistency Detection
von: Zhang, Qingyu, et al.
Veröffentlicht: (2025)

Leveraging Commit Size Context and Hyper Co-Change Graph Centralities for Defect Prediction
von: Kumar, Amit, et al.
Veröffentlicht: (2026)

COMET: Generating Commit Messages using Delta Graph Context Representation
von: Mandli, Abhinav Reddy, et al.
Veröffentlicht: (2024)

The A-R Behavioral Space: Execution-Level Profiling of Tool-Using Language Model Agents in Organizational Deployment
von: Yu, Shasha, et al.
Veröffentlicht: (2026)

Analysis of Commit Signing on Github
von: Shittu, Abubakar Sadiq, et al.
Veröffentlicht: (2026)

An Empirical Analysis of Git Commit Logs for Potential Inconsistency in Code Clones
von: Yokomori, Reishi, et al.
Veröffentlicht: (2024)

CrossCommitVuln-Bench: A Dataset of Multi-Commit Python Vulnerabilities Invisible to Per-Commit Static Analysis
von: Majumdar, Arunabh
Veröffentlicht: (2026)

The Causal Impact of Tool Affordance on Safety Alignment in LLM Agents
von: Yu, Shasha, et al.
Veröffentlicht: (2026)

Fine-grained Multi-Document Extraction and Generation of Code Change Rationale
von: Sun, Mehedi, et al.
Veröffentlicht: (2026)

Learning from Mistakes: Understanding Ad-hoc Logs through Analyzing Accidental Commits
von: Chou, Yi-Hung, et al.
Veröffentlicht: (2025)

Towards Realistic Evaluation of Commit Message Generation by Matching Online and Offline Settings
von: Tsvetkov, Petr, et al.
Veröffentlicht: (2024)

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

An Empirical Study of Token-based Micro Commits
von: Kondo, Masanari, et al.
Veröffentlicht: (2024)

Detecting Multiple Semantic Concerns in Tangled Code Commits
von: Koh, Beomsu, et al.
Veröffentlicht: (2026)

ORBIT: Guided Agentic Orchestration for Autonomous C-to-Rust Transpilation
von: Farrukh, Muhammad, et al.
Veröffentlicht: (2026)