Buchumschlag

TENET: Leveraging Tests Beyond Validation for Code Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Yiran, Jiang, Nan, Liang, Shanchao, Wu, Yi, Tan, Lin
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

Can Language Models Replace Programmers for Coding? REPOCOD Says 'Not Yet'
von: Liang, Shanchao, et al.
Veröffentlicht: (2024)

Unified Software Engineering Agent as AI Software Engineer
von: Applis, Leonhard, et al.
Veröffentlicht: (2025)

The SWE-Bench Illusion: When State-of-the-Art LLMs Remember Instead of Reason
von: Liang, Shanchao, et al.
Veröffentlicht: (2025)

Nova: Generative Language Models for Assembly Code with Hierarchical Attention and Contrastive Learning
von: Jiang, Nan, et al.
Veröffentlicht: (2023)

Tests as Prompt: A Test-Driven-Development Benchmark for LLM Code Generation
von: Cui, Yi
Veröffentlicht: (2025)

Leveraging Metamemory Mechanisms for Enhanced Data-Free Code Generation in LLMs
von: Wang, Shuai, et al.
Veröffentlicht: (2025)

Collu-Bench: A Benchmark for Predicting Language Model Hallucinations in Code
von: Jiang, Nan, et al.
Veröffentlicht: (2024)

Beyond Functional Correctness: Exploring Hallucinations in LLM-Generated Code
von: Liu, Fang, et al.
Veröffentlicht: (2024)

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

Beyond Trusting Trust: Multi-Model Validation for Robust Code Generation
von: McDanel, Bradley
Veröffentlicht: (2025)

The Future of Software Testing: AI-Powered Test Case Generation and Validation
von: Baqar, Mohammad, et al.
Veröffentlicht: (2024)

Test-Driven Development for Code Generation
von: Mathews, Noble Saji, et al.
Veröffentlicht: (2024)

Validating LLM-Generated Programs with Metamorphic Prompt Testing
von: Wang, Xiaoyin, et al.
Veröffentlicht: (2024)

Leveraging GPT-4 for Vulnerability-Witnessing Unit Test Generation
von: Antal, Gábor, et al.
Veröffentlicht: (2025)

RedCode: Risky Code Execution and Generation Benchmark for Code Agents
von: Guo, Chengquan, et al.
Veröffentlicht: (2024)

GitTaskBench: A Benchmark for Code Agents Solving Real-World Tasks Through Code Repository Leveraging
von: Ni, Ziyi, et al.
Veröffentlicht: (2025)

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

Contract-Coding: Towards Repo-Level Generation via Structured Symbolic Paradigm
von: Lin, Yi, et al.
Veröffentlicht: (2026)

Leveraging Large Language Models for Enhancing the Understandability of Generated Unit Tests
von: Deljouyi, Amirhossein, et al.
Veröffentlicht: (2024)

SELF-REDRAFT: Eliciting Intrinsic Exploration-Exploitation Balance in Test-Time Scaling for Code Generation
von: Chen, Yixiang, et al.
Veröffentlicht: (2025)

Leveraging LLMs for Multi-File DSL Code Generation: An Industrial Case Study
von: Chand, Sivajeet, et al.
Veröffentlicht: (2026)

Bias Testing and Mitigation in LLM-based Code Generation
von: Huang, Dong, et al.
Veröffentlicht: (2023)

Hallucinations in Code Change to Natural Language Generation: Prevalence and Evaluation of Detection Metrics
von: Liu, Chunhua, et al.
Veröffentlicht: (2025)

RepoRepair: Leveraging Code Documentation for Repository-Level Automated Program Repair
von: Pan, Zhongqiang, et al.
Veröffentlicht: (2026)

ReCatcher: Towards LLMs Regression Testing for Code Generation
von: Abbassi, Altaf Allah, 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)

Uncertainty Quantification for LLM-based Code Generation
von: Xu, Senrong, et al.
Veröffentlicht: (2026)

I Can Find You in Seconds! Leveraging Large Language Models for Code Authorship Attribution
von: Choi, Soohyeon, et al.
Veröffentlicht: (2025)

GeoCode-GPT: A Large Language Model for Geospatial Code Generation Tasks
von: Hou, Shuyang, et al.
Veröffentlicht: (2024)

Uncovering Code Insights: Leveraging GitHub Artifacts for Deeper Code Understanding
von: Nevo, Ziv, et al.
Veröffentlicht: (2025)

DomAgent: Leveraging Knowledge Graphs and Case-Based Reasoning for Domain-Specific Code Generation
von: Wang, Shuai, et al.
Veröffentlicht: (2026)

What Makes Code Generation Ethically Sourced?
von: Xu, Zhuolin, et al.
Veröffentlicht: (2025)

Beyond Autoregression: An Empirical Study of Diffusion Large Language Models for Code Generation
von: Li, Chengze, et al.
Veröffentlicht: (2025)

Domain Adaptation for Code Model-based Unit Test Case Generation
von: Shin, Jiho, et al.
Veröffentlicht: (2023)

Unseen Horizons: Unveiling the Real Capability of LLM Code Generation Beyond the Familiar
von: Zhang, Yuanliang, et al.
Veröffentlicht: (2024)

From Code Generation to Software Testing: AI Copilot with Context-Based RAG
von: Wang, Yuchen, et al.
Veröffentlicht: (2025)

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

A Study on the Improvement of Code Generation Quality Using Large Language Models Leveraging Product Documentation
von: Morimoto, Takuro, et al.
Veröffentlicht: (2025)

CodeSift: An LLM-Based Reference-Less Framework for Automatic Code Validation
von: Aggarwal, Pooja, et al.
Veröffentlicht: (2024)

Beyond Execution: Static-Analysis Rewards and Hint-Conditioned Diffusion RL for Code Generation
von: Ouyang, Shuyin, et al.
Veröffentlicht: (2026)