Buchumschlag

Post-hoc LLM-Supported Debugging of Distributed Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schiese, Dennis, Both, Andreas
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

Towards LLM-generated explanations for Component-based Knowledge Graph Question Answering Systems
von: Schiese, Dennis, et al.
Veröffentlicht: (2025)

The Debugging Decay Index: Rethinking Debugging Strategies for Code LLMs
von: Adnan, Muntasir, et al.
Veröffentlicht: (2025)

Procedural Refinement by LLM-driven Algorithmic Debugging for ARC-AGI-2
von: Qiu, Yu-Ning, et al.
Veröffentlicht: (2026)

LAUDE: LLM-Assisted Unit Test Generation and Debugging of Hardware DEsigns
von: Nandal, Deeksha, et al.
Veröffentlicht: (2026)

Enhancing Debugging Skills with AI-Powered Assistance: A Real-Time Tool for Debugging Support
von: Artser, Elizaveta, et al.
Veröffentlicht: (2026)

Guarded Repair for Harm-Aware Post-hoc Replacement of LLM Mathematical Reasoning
von: Xia, Haizhou
Veröffentlicht: (2026)

DoVer: Intervention-Driven Auto Debugging for LLM Multi-Agent Systems
von: Ma, Ming, et al.
Veröffentlicht: (2025)

Learning to Debug: LLM-Organized Knowledge Trees for Solving RTL Assertion Failures
von: Bai, Yunsheng, et al.
Veröffentlicht: (2025)

Debug2Fix: Can Interactive Debugging Help Coding Agents Fix More Bugs?
von: Garg, Spandan, et al.
Veröffentlicht: (2026)

VeriDebug: A Unified LLM for Verilog Debugging via Contrastive Embedding and Guided Correction
von: Wang, Ning, et al.
Veröffentlicht: (2025)

RepoDebug: Repository-Level Multi-Task and Multi-Language Debugging Evaluation of Large Language Models
von: Liu, Jingjing, et al.
Veröffentlicht: (2025)

Towards Adaptive Software Agents for Debugging
von: Majdoub, Yacine, et al.
Veröffentlicht: (2025)

DREAM: Debugging and Repairing AutoML Pipelines
von: Zhang, Xiaoyu, et al.
Veröffentlicht: (2023)

BugSpotter: Automated Generation of Code Debugging Exercises
von: Pădurean, Victor-Alexandru, et al.
Veröffentlicht: (2024)

AgentStepper: Interactive Debugging of Software Development Agents
von: Hutter, Robert, et al.
Veröffentlicht: (2026)

DebugBench: Evaluating Debugging Capability of Large Language Models
von: Tian, Runchu, et al.
Veröffentlicht: (2024)

Revisit Self-Debugging with Self-Generated Tests for Code Generation
von: Chen, Xiancai, et al.
Veröffentlicht: (2025)

Large Language Model Guided Self-Debugging Code Generation
von: Adnan, Muntasir, et al.
Veröffentlicht: (2025)

MLDebugging: Towards Benchmarking Code Debugging Across Multi-Library Scenarios
von: Huang, Jinyang, et al.
Veröffentlicht: (2025)

Debugging the Debuggers: Failure-Anchored Structured Recovery for Software Engineering Agents
von: Zhao, Chenyu, et al.
Veröffentlicht: (2026)

Automated Multi-Source Debugging and Natural Language Error Explanation for Dashboard Applications
von: Tata, Devendra, et al.
Veröffentlicht: (2026)

COAST: Enhancing the Code Debugging Ability of LLMs through Communicative Agent Based Data Synthesis
von: Yang, Weiqing, et al.
Veröffentlicht: (2024)

TraceCoder: A Trace-Driven Multi-Agent Framework for Automated Debugging of LLM-Generated Code
von: Huang, Jiangping, et al.
Veröffentlicht: (2026)

Snakemaker: Seamlessly transforming ad-hoc analyses into sustainable Snakemake workflows with generative AI
von: Masera, Marco, et al.
Veröffentlicht: (2025)

Toward Debugging Deep Reinforcement Learning Programs with RLExplorer
von: Bouchoucha, Rached, et al.
Veröffentlicht: (2024)

MemoCoder: Automated Function Synthesis using LLM-Supported Agents
von: Jia, Yiping, et al.
Veröffentlicht: (2025)

Towards Robust LLM Post-Training: Automatic Failure Management for Reinforcement Fine-Tuning
von: Zhang, Lingzhe, et al.
Veröffentlicht: (2026)

PostTrainBench: Can LLM Agents Automate LLM Post-Training?
von: Rank, Ben, et al.
Veröffentlicht: (2026)

BPMN Assistant: An LLM-Based Approach to Business Process Modeling
von: Licardo, Josip Tomo, et al.
Veröffentlicht: (2025)

On LLM-Assisted Generation of Smart Contracts from Business Processes
von: Stiehle, Fabian, et al.
Veröffentlicht: (2025)

Debugging and Runtime Analysis of Neural Networks with VLMs (A Case Study)
von: Hu, Boyue Caroline, et al.
Veröffentlicht: (2025)

LeDex: Training LLMs to Better Self-Debug and Explain Code
von: Jiang, Nan, et al.
Veröffentlicht: (2024)

Effective Large Language Model Debugging with Best-first Tree Search
von: Song, Jialin, et al.
Veröffentlicht: (2024)

Never Come Up Empty: Adaptive HyDE Retrieval for Improving LLM Developer Support
von: Lei, Fangjian, et al.
Veröffentlicht: (2025)

Evaluation-Driven Development and Operations of LLM Agents: A Process Model and Reference Architecture
von: Xia, Boming, et al.
Veröffentlicht: (2024)

ProcCtrlBench: Evaluating Process-Level Defects and Control Preservation in LLM Coding Agents
von: He, Jiawei, et al.
Veröffentlicht: (2026)

CODESIM: Multi-Agent Code Generation and Problem Solving through Simulation-Driven Planning and Debugging
von: Islam, Md. Ashraful, et al.
Veröffentlicht: (2025)

Large Process Models: A Vision for Business Process Management in the Age of Generative AI
von: Kampik, Timotheus, et al.
Veröffentlicht: (2023)

Learning to Generate Unit Tests for Automated Debugging
von: Prasad, Archiki, et al.
Veröffentlicht: (2025)

Exploring Interaction Patterns for Debugging: Enhancing Conversational Capabilities of AI-assistants
von: Chopra, Bhavya, et al.
Veröffentlicht: (2024)