Buchumschlag

An Empirical Study on Method-Level Performance Evolution in Open-Source Java Projects

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shahedi, Kaveh, Gyambrah, Nana, Li, Heng, Lamothe, Maxime, Khomh, Foutse
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Software Engineering Performance
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Tracing Optimization for Performance Modeling and Regression Detection
von: Shahedi, Kaveh, et al.
Veröffentlicht: (2024)

From Technical Excellence to Practical Adoption: Lessons Learned Building an ML-Enhanced Trace Analysis Tool
von: Shahedi, Kaveh, et al.
Veröffentlicht: (2025)

An Empirical Study of Policy-as-Code Adoption in Open-Source Software Projects
von: Foalem, Patrick Loic, et al.
Veröffentlicht: (2026)

RefAgent: A Multi-agent LLM-based Framework for Automatic Software Refactoring
von: Oueslati, Khouloud, et al.
Veröffentlicht: (2025)

Mining Action Rules for Defect Reduction Planning
von: Oueslati, Khouloud, et al.
Veröffentlicht: (2024)

Impact of Extensions on Browser Performance: An Empirical Study on Google Chrome
von: Jin, Bihui, et al.
Veröffentlicht: (2024)

Energy-Efficient Software Development: A Multi-dimensional Empirical Analysis of Stack Overflow
von: Jin, Bihui, et al.
Veröffentlicht: (2024)

An Empirical Study on How Architectural Topology Affects Microservice Performance and Energy Usage
von: Ristova, Irena, et al.
Veröffentlicht: (2026)

An Empirical Study on Logging Evolution On Stack Overflow: Trends, Topics, and Challenges
von: Foalem, Patrick Loic, et al.
Veröffentlicht: (2026)

An Empirical Study on the Performance and Energy Usage of Compiled Python Code
von: Stoico, Vincenzo, et al.
Veröffentlicht: (2025)

What Is the Cost of Energy Monitoring? An Empirical Study on the Overhead of RAPL-Based Tools
von: Diamond, Jeremy, et al.
Veröffentlicht: (2026)

Protecting Privacy in Software Logs: What Should Be Anonymized?
von: Aghili, Roozbeh, et al.
Veröffentlicht: (2024)

Performance Smells in ML and Non-ML Python Projects: A Comparative Study
von: Belias, François, et al.
Veröffentlicht: (2025)

Empirical Characterization of Logging Smells in Machine Learning Code
von: Foalem, Patrick Loic, et al.
Veröffentlicht: (2026)

Empirical Characterization of Logging Smells in Machine Learning Code
von: Foalem, Patrick Loic, et al.
Veröffentlicht: (2026)

An Empirical Study of Self-Admitted Technical Debt in Machine Learning Software
von: Bhatia, Aaditya, et al.
Veröffentlicht: (2023)

Do AI Models Dream of Faster Code? An Empirical Study on LLM-Proposed Performance Improvements in Real-World Software
von: Yi, Lirong, et al.
Veröffentlicht: (2025)

On the Effectiveness of Log Representation for Log-based Anomaly Detection
von: Wu, Xingfang, et al.
Veröffentlicht: (2023)

On the Compression of Language Models for Code: An Empirical Study on CodeBERT
von: d'Aloisio, Giordano, et al.
Veröffentlicht: (2024)

MapReplay: Trace-Driven Benchmark Generation for Java HashMap
von: Schiavio, Filippo, et al.
Veröffentlicht: (2026)

Towards Enhancing the Reproducibility of Deep Learning Bugs: An Empirical Study
von: Shah, Mehil B., et al.
Veröffentlicht: (2024)

Adversarial Attack Classification and Robustness Testing for Large Language Models for Code
von: Liu, Yang, et al.
Veröffentlicht: (2025)

Understanding Web Application Workloads and Their Applications: Systematic Literature Review and Characterization
von: Aghili, Roozbeh, et al.
Veröffentlicht: (2024)

Performance of Genetic Algorithms in the Context of Software Model Refactoring
von: Cortellessa, Vittorio, et al.
Veröffentlicht: (2023)

AI-driven Java Performance Testing: Balancing Result Quality with Testing Time
von: Traini, Luca, et al.
Veröffentlicht: (2024)

Exploring Security Practices in Infrastructure as Code: An Empirical Study
von: Verdet, Alexandre, et al.
Veröffentlicht: (2023)

gigiProfiler: Diagnosing Performance Issues by Uncovering Application Resource Bottlenecks
von: Hu, Yigong, et al.
Veröffentlicht: (2025)

Optimas: An Intelligent Analytics-Informed Generative AI Framework for Performance Optimization
von: Zaeed, Mohammad, et al.
Veröffentlicht: (2026)

Employing Software Diversity in Cloud Microservices to Engineer Reliable and Performant Systems
von: Akhtarian, Nazanin, et al.
Veröffentlicht: (2024)

Common Challenges of Deep Reinforcement Learning Applications Development: An Empirical Study
von: Morovati, Mohammad Mehdi, et al.
Veröffentlicht: (2023)

A Model-driven Approach for Continuous Performance Engineering in Microservice-based Systems
von: Cortellessa, Vittorio, et al.
Veröffentlicht: (2023)

A Magnified View into Heterogeneous-ISA Thread Migration Performance without State Transformation
von: Mavrogeorgis, Nikolaos, et al.
Veröffentlicht: (2025)

Energy Patterns for Web: An Exploratory Study
von: Rani, Pooja, et al.
Veröffentlicht: (2024)

What Information Contributes to Log-based Anomaly Detection? Insights from a Configurable Transformer-Based Approach
von: Wu, Xingfang, et al.
Veröffentlicht: (2024)

LLM Interactive Optimization of Open Source Python Libraries -- Case Studies and Generalization
von: Florath, Andreas
Veröffentlicht: (2023)

Performant Automatic BLAS Offloading on Unified Memory Architecture with OpenMP First-Touch Style Data Movement
von: Li, Junjie
Veröffentlicht: (2024)

SDLog: A Deep Learning Framework for Detecting Sensitive Information in Software Logs
von: Aghili, Roozbeh, et al.
Veröffentlicht: (2025)

An Efficient Model Maintenance Approach for MLOps
von: Majidi, Forough, et al.
Veröffentlicht: (2024)

QMon: Monitoring the Execution of Quantum Circuits with Mid-Circuit Measurement and Reset
von: Ma, Ning, et al.
Veröffentlicht: (2025)

Improving the Robustness of Large Language Models for Code Tasks via Fine-tuning with Perturbed Data
von: Liu, Yang, et al.
Veröffentlicht: (2026)