Buchumschlag

Smart but Costly? Benchmarking LLMs on Functional Accuracy and Energy Efficiency

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mehditabar, Mohammadjavad, Rajput, Saurabhsingh, Mastropaolo, Antonio, Sharma, Tushar
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

A Validated Taxonomy on Software Energy Smells
von: Mehditabar, Mohammadjavad, et al.
Veröffentlicht: (2026)

Energy Flow Graph: Modeling Software Energy Consumption
von: Rajput, Saurabhsingh, et al.
Veröffentlicht: (2026)

CodeGreen: Towards Improving Precision and Portability in Software Energy Measurement
von: Rajput, Saurabhsingh, et al.
Veröffentlicht: (2026)

Tu(r)ning AI Green: Exploring Energy Efficiency Cascading with Orthogonal Optimizations
von: Rajput, Saurabhsingh, et al.
Veröffentlicht: (2025)

FlipFlop: A Static Analysis-based Energy Optimization Framework for GPU Kernels
von: Rajput, Saurabhsingh, et al.
Veröffentlicht: (2026)

COMET: Generating Commit Messages using Delta Graph Context Representation
von: Mandli, Abhinav Reddy, et al.
Veröffentlicht: (2024)

Enhancing Energy-Awareness in Deep Learning through Fine-Grained Energy Measurement
von: Rajput, Saurabhsingh, et al.
Veröffentlicht: (2023)

Not All Tokens Matter: Data-Centric Optimization for Efficient Code Summarization
von: Afrin, Saima, et al.
Veröffentlicht: (2026)

A Path Less Traveled: Reimagining Software Engineering Automation via a Neurosymbolic Paradigm
von: Mastropaolo, Antonio, et al.
Veröffentlicht: (2025)

An Empirical Study on the Effects of System Prompts in Instruction-Tuned Models for Code Generation
von: Cheng, Zaiyu, et al.
Veröffentlicht: (2026)

Smaller = Weaker? Benchmarking Robustness of Quantized LLMs in Code Generation
von: Fang, Sen, et al.
Veröffentlicht: (2025)

Is Quantization a Deal-breaker? Empirical Insights from Large Code Models
von: Afrin, Saima, et al.
Veröffentlicht: (2025)

Towards Comprehensive Benchmarking Infrastructure for LLMs In Software Engineering
von: Rodriguez-Cardenas, Daniel, et al.
Veröffentlicht: (2026)

A Systematic Literature Review of Parameter-Efficient Fine-Tuning for Large Code Models
von: Afrin, Saima, et al.
Veröffentlicht: (2025)

Parameter-Efficient Multi-Task Fine-Tuning in Code-Related Tasks
von: Haque, Md Zahidul, et al.
Veröffentlicht: (2026)

SmartLLMs Scheduler: A Framework for Cost-Effective LLMs Utilization
von: Liu, Yueyue, et al.
Veröffentlicht: (2025)

Why Attention Fails: A Taxonomy of Faults in Attention-Based Neural Networks
von: Jahan, Sigma, et al.
Veröffentlicht: (2025)

Prompt-Driven Code Summarization: A Systematic Literature Review
von: Farjana, Afia, et al.
Veröffentlicht: (2026)

Generating refactored code accurately using reinforcement learning
von: Palit, Indranil, et al.
Veröffentlicht: (2024)

How the Training Procedure Impacts the Performance of Deep Learning-based Vulnerability Patching
von: Mastropaolo, Antonio, et al.
Veröffentlicht: (2024)

Optimizing Datasets for Code Summarization: Is Code-Comment Coherence Enough?
von: Vitale, Antonio, et al.
Veröffentlicht: (2025)

Code Review Automation: Strengths and Weaknesses of the State of the Art
von: Tufano, Rosalia, et al.
Veröffentlicht: (2024)

Beyond Code Similarity: Benchmarking the Plausibility, Efficiency, and Complexity of LLM-Generated Smart Contracts
von: Salzano, Francesco, et al.
Veröffentlicht: (2025)

Resource-Efficient & Effective Code Summarization
von: Afrin, Saima, et al.
Veröffentlicht: (2025)

Evaluating the Impact of Post-Training Quantization on Large Language Models for Code Generation
von: Giagnorio, Alessandro, et al.
Veröffentlicht: (2025)

Fine-grained Multi-Document Extraction and Generation of Code Change Rationale
von: Sun, Mehedi, et al.
Veröffentlicht: (2026)

A Taxonomy of Self-Admitted Technical Debt in Deep Learning Systems
von: Pepe, Federica, et al.
Veröffentlicht: (2024)

On the Effectiveness of LLM-as-a-judge for Code Generation and Summarization
von: Crupi, Giuseppe, et al.
Veröffentlicht: (2025)

Towards Summarizing Code Snippets Using Pre-Trained Transformers
von: Mastropaolo, Antonio, et al.
Veröffentlicht: (2024)

CONCORD: Towards a DSL for Configurable Graph Code Representation
von: Saad, Mootez, et al.
Veröffentlicht: (2024)

Unveiling ChatGPT's Usage in Open Source Projects: A Mining-based Study
von: Tufano, Rosalia, et al.
Veröffentlicht: (2024)

Evaluating the Energy-Efficiency of the Code Generated by LLMs
von: Islam, Md Arman, et al.
Veröffentlicht: (2025)

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

Broken Windows: Exploring the Applicability of a Controversial Theory on Code Quality
von: Spinellis, Diomidis, et al.
Veröffentlicht: (2024)

Hierarchical Evaluation of Software Design Capabilities of Large Language Models of Code
von: Saad, Mootez, et al.
Veröffentlicht: (2025)

ALPINE: An adaptive language-agnostic pruning method for language models for code
von: Saad, Mootez, et al.
Veröffentlicht: (2024)

On Inter-dataset Code Duplication and Data Leakage in Large Language Models
von: López, José Antonio Hernández, et al.
Veröffentlicht: (2024)

Developers and Generative AI: A Study of Self-Admitted Usage in Open Source Projects
von: Tufano, Rosalia, et al.
Veröffentlicht: (2026)

On the Effect of Token Merging on Pre-trained Models for Code
von: Saad, Mootez, et al.
Veröffentlicht: (2025)

Toward Neurosymbolic Program Comprehension
von: Velasco, Alejandro, et al.
Veröffentlicht: (2025)