Buchumschlag

Learning to Align Human Code Preferences

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yin, Xin, Ni, Chao, Yang, Xiaohu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Rectifier: Code Translation with Corrector via LLMs
von: Yin, Xin, et al.
Veröffentlicht: (2024)

CATCODER: Repository-Level Code Generation with Relevant Code and Type Context
von: Pan, Zhiyuan, et al.
Veröffentlicht: (2024)

Re-Evaluating Code LLM Benchmarks Under Semantic Mutation
von: Pan, Zhiyuan, et al.
Veröffentlicht: (2025)

CriterAlign: Criterion-Centric Rationale Alignment for Code Preference Judging
von: Li, Zhenyu, et al.
Veröffentlicht: (2026)

Vibe Checker: Aligning Code Evaluation with Human Preference
von: Zhong, Ming, et al.
Veröffentlicht: (2025)

DSTC: Direct Preference Learning with Only Self-Generated Tests and Code to Improve Code LMs
von: Liu, Zhihan, et al.
Veröffentlicht: (2024)

CodeAlignBench: Assessing Code Generation Models on Developer-Preferred Code Adjustments
von: Mehralian, Forough, et al.
Veröffentlicht: (2025)

AlignCoder: Aligning Retrieval with Target Intent for Repository-Level Code Completion
von: Jiang, Tianyue, et al.
Veröffentlicht: (2026)

On the Replicability and Reproducibility of Deep Learning in Software Engineering
von: Liu, Chao, et al.
Veröffentlicht: (2020)

Detecting LLM-generated Code with Subtle Modification by Adversarial Training
von: Yin, Xin, et al.
Veröffentlicht: (2025)

Navigating the Labyrinth: Path-Sensitive Unit Test Generation with Large Language Models
von: Liao, Dianshu, et al.
Veröffentlicht: (2025)

Improving Code Translation with Syntax-Guided and Semantic-aware Preference Optimization
von: Wu, Yuhan, et al.
Veröffentlicht: (2026)

MemGovern: Enhancing Code Agents through Learning from Governed Human Experiences
von: Wang, Qihao, et al.
Veröffentlicht: (2026)

BigCodeArena: Unveiling More Reliable Human Preferences in Code Generation via Execution
von: Zhuo, Terry Yue, et al.
Veröffentlicht: (2025)

Tree-of-Code: A Tree-Structured Exploring Framework for End-to-End Code Generation and Execution in Complex Task Handling
von: Ni, Ziyi, et al.
Veröffentlicht: (2024)

Structure-Aware Corpus Construction and User-Perception-Aligned Metrics for Large-Language-Model Code Completion
von: Liu, Dengfeng, et al.
Veröffentlicht: (2025)

What You See Is What You Get: Attention-based Self-guided Automatic Unit Test Generation
von: Yin, Xin, et al.
Veröffentlicht: (2024)

Boosting Vulnerability Detection of LLMs via Curriculum Preference Optimization with Synthetic Reasoning Data
von: Wen, Xin-Cheng, et al.
Veröffentlicht: (2025)

DeepCode: Open Agentic Coding
von: Li, Zongwei, et al.
Veröffentlicht: (2025)

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

Distinguishing LLM-generated from Human-written Code by Contrastive Learning
von: Xu, Xiaodan, et al.
Veröffentlicht: (2024)

Tree-of-Code: A Hybrid Approach for Robust Complex Task Planning and Execution
von: Ni, Ziyi, et al.
Veröffentlicht: (2024)

TransCoder: Towards Unified Transferable Code Representation Learning Inspired by Human Skills
von: Sun, Qiushi, et al.
Veröffentlicht: (2023)

Code for Machines, Not Just Humans: Quantifying AI-Friendliness with Code Health Metrics
von: Borg, Markus, et al.
Veröffentlicht: (2026)

A Preference-Driven Methodology for High-Quality Solidity Code Generation
von: Peng, Zhiyuan, et al.
Veröffentlicht: (2025)

Don't Complete It! Preventing Unhelpful Code Completion for Productive and Sustainable Neural Code Completion Systems
von: Sun, Zhensu, et al.
Veröffentlicht: (2022)

An Empirical Study of Knowledge Distillation for Code Understanding Tasks
von: Wang, Ruiqi, et al.
Veröffentlicht: (2025)

Klear-CodeTest: Scalable Test Case Generation for Code Reinforcement Learning
von: Fu, Jia, et al.
Veröffentlicht: (2025)

Model See, Model Do? Exposure-Aware Evaluation of Bug-vs-Fix Preference in Code LLMs
von: Al-Kaswan, Ali, et al.
Veröffentlicht: (2026)

ACE: Self-Evolving LLM Coding Framework via Adversarial Unit Test Generation and Preference Optimization
von: Huang, Yixu, et al.
Veröffentlicht: (2026)

From Mirage to Grounding: Towards Reliable Multimodal Circuit-to-Verilog Code Generation
von: Yang, Guang, et al.
Veröffentlicht: (2026)

Can LLMs Replace Humans During Code Chunking?
von: Glasz, Christopher, et al.
Veröffentlicht: (2025)

Ambiguity Resolution with Human Feedback for Code Writing Tasks
von: Nandan, Aditey, et al.
Veröffentlicht: (2025)

Benchmarking LLMs for Fine-Grained Code Review with Enriched Context in Practice
von: Hu, Ruida, et al.
Veröffentlicht: (2025)

Vibe-Coding: Feedback-Based Automated Verification with no Human Code Inspection, a Feasibility Study
von: Töpfer, Michal, et al.
Veröffentlicht: (2026)

o1-Coder: an o1 Replication for Coding
von: Zhang, Yuxiang, et al.
Veröffentlicht: (2024)

CLAP: Learning Transferable Binary Code Representations with Natural Language Supervision
von: Wang, Hao, et al.
Veröffentlicht: (2024)

Are We Aligned? A Preliminary Investigation of the Alignment of Responsible AI Values between LLMs and Human Judgment
von: Yamani, Asma, et al.
Veröffentlicht: (2025)

FastCode: Fast and Cost-Efficient Code Understanding and Reasoning
von: Li, Zhonghang, et al.
Veröffentlicht: (2026)

Do Machines and Humans Focus on Similar Code? Exploring Explainability of Large Language Models in Code Summarization
von: Li, Jiliang, et al.
Veröffentlicht: (2024)