Buchumschlag

Can We Trust the AI Pair Programmer? Copilot for API Misuse Detection and Correction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mondal, Saikat, Roy, Chanchal K., Wang, Hong, Arguello, Juan, Mathan, Samantha
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

Can We Identify Stack Overflow Questions Requiring Code Snippets? Investigating the Cause & Effect of Missing Code Snippets
von: Mondal, Saikat, et al.
Veröffentlicht: (2024)

Does Editing Improve Answer Quality on Stack Overflow? A Data-Driven Investigation
von: Mondal, Saikat, et al.
Veröffentlicht: (2025)

GENCNIPPET: Automated Generation of Code Snippets for Supporting Programming Questions
von: Mondal, Saikat, et al.
Veröffentlicht: (2025)

The State of Open Science in Software Engineering Research: A Case Study of ICSE Artifacts
von: Muttakin, Al, et al.
Veröffentlicht: (2026)

Algorithm-Based Pipeline for Reliable and Intent-Preserving Code Translation with LLMs
von: Dipto, Shahriar Rumi, et al.
Veröffentlicht: (2026)

Enhancing User Interaction in ChatGPT: Characterizing and Consolidating Multiple Prompts for Issue Resolution
von: Mondal, Saikat, et al.
Veröffentlicht: (2024)

Why Do Developers Engage with ChatGPT in Issue-Tracker? Investigating Usage and Reliance on ChatGPT-Generated Code
von: Das, Joy Krishan, et al.
Veröffentlicht: (2024)

Investigating the Utility of ChatGPT in the Issue Tracking System: An Exploratory Study
von: Das, Joy Krishan, et al.
Veröffentlicht: (2024)

AFGNN: API Misuse Detection using Graph Neural Networks and Clustering
von: Pirapuraj, Ponnampalam, et al.
Veröffentlicht: (2026)

From Questions to Insights: Exploring XAI Challenges Reported on Stack Overflow Questions
von: Roy, Saumendu, et al.
Veröffentlicht: (2025)

Generating API Parameter Security Rules with LLM for API Misuse Detection
von: Liu, Jinghua, et al.
Veröffentlicht: (2024)

Evaluating the Performance of Clone Detection Tools in Detecting Cloned Co-change Candidates
von: Nadim, Md, et al.
Veröffentlicht: (2022)

Identifying and Mitigating API Misuse in Large Language Models
von: Zhuo, Terry Yue, et al.
Veröffentlicht: (2025)

An Empirical Study of API Misuses of Data-Centric Libraries
von: Galappaththi, Akalanka, et al.
Veröffentlicht: (2024)

Reproducibility of Issues Reported in Stack Overflow Questions: Challenges, Impact & Estimation
von: Mondal, Saikat, et al.
Veröffentlicht: (2024)

Detecting and Fixing API Misuses of Data Science Libraries Using Large Language Models
von: Galappaththi, Akalanka, et al.
Veröffentlicht: (2025)

Large Language Models as Robust Data Generators in Software Analytics: Are We There Yet?
von: Awal, Md. Abdul, et al.
Veröffentlicht: (2024)

Human-Aligned Enhancement of Programming Answers with LLMs Guided by User Feedback
von: Bappon, Suborno Deb, et al.
Veröffentlicht: (2026)

Mutation-based Evaluation of Cryptographic API Misuse Detectors
von: Ami, Amit Seal, et al.
Veröffentlicht: (2021)

Why Are AI Agent Involved Pull Requests (Fix-Related) Remain Unmerged? An Empirical Study
von: Alam, Khairul, et al.
Veröffentlicht: (2026)

Rethinking Software Engineering in the Foundation Model Era: From Task-Driven AI Copilots to Goal-Driven AI Pair Programmers
von: Hassan, Ahmed E., et al.
Veröffentlicht: (2024)

From Developer Pairs to AI Copilots: A Comparative Study on Knowledge Transfer
von: Welter, Alisa, et al.
Veröffentlicht: (2025)

XMENTOR: A Rank-Aware Aggregation Approach for Human-Centered Explainable AI in Just-in-Time Software Defect Prediction
von: Roy, Saumendu, et al.
Veröffentlicht: (2026)

AUTOGENICS: Automated Generation of Context-Aware Inline Comments for Code Snippets on Programming Q&A Sites Using LLM
von: Bappon, Suborno Deb, et al.
Veröffentlicht: (2024)

When "Correct" Is Not Safe: Can We Trust Functionally Correct Patches Generated by Code Agents?
von: Peng, Yibo, et al.
Veröffentlicht: (2025)

EvaluateXAI: A Framework to Evaluate the Reliability and Consistency of Rule-based XAI Techniques for Software Analytics Tasks
von: Awal, Md Abdul, et al.
Veröffentlicht: (2024)

On the Use of Deep Learning Models for Semantic Clone Detection
von: Pinku, Subroto Nag, et al.
Veröffentlicht: (2024)

TS-Detector : Detecting Feature Toggle Usage Patterns
von: Rahman, Tajmilur, et al.
Veröffentlicht: (2025)

Are Classical Clone Detectors Good Enough For the AI Era?
von: Alam, Ajmain Inqiad, et al.
Veröffentlicht: (2025)

Model Compression vs. Adversarial Robustness: An Empirical Study on Language Models for Code
von: Awal, Md. Abdul, et al.
Veröffentlicht: (2025)

Investigating Adversarial Attacks in Software Analytics via Machine Learning Explainability
von: Awal, MD Abdul, et al.
Veröffentlicht: (2024)

MoEKD: Mixture-of-Experts Knowledge Distillation for Robust and High-Performing Compressed Code Models
von: Awal, Md. Abdul, et al.
Veröffentlicht: (2026)

Gender Disparities in Contributions, Leadership, and Collaboration: An Exploratory Study on Software Systems Research
von: Cynthia, Shamse Tasnim, et al.
Veröffentlicht: (2024)

Evaluating Cryptographic API Misuse Detectors for Go
von: Andersson, Vivi, et al.
Veröffentlicht: (2026)

Programming with AI: Evaluating ChatGPT, Gemini, AlphaCode, and GitHub Copilot for Programmers
von: Siam, Md Kamrul, et al.
Veröffentlicht: (2024)

An Empirical Investigation on the Challenges in Scientific Workflow Systems Development
von: Alam, Khairul, et al.
Veröffentlicht: (2024)

How the Misuse of a Dataset Harmed Semantic Clone Detection
von: Krinke, Jens, et al.
Veröffentlicht: (2025)

Exploring the Impact of Source Code Linearity on the Programmers Comprehension of API Code Examples
von: Alharbi, Seham, et al.
Veröffentlicht: (2024)

Satellite: Detecting and Analyzing Smart Contract Vulnerabilities caused by Subcontract Misuse
von: Liao, Zeqin, et al.
Veröffentlicht: (2025)

OpenAI for OpenAPI: Automated generation of REST API specification via LLMs
von: Chen, Hao, et al.
Veröffentlicht: (2026)