Buchumschlag

An Exploratory Study of Bayesian Prompt Optimization for Test-Driven Code Generation with Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tomar, Shlok, Deshwal, Aryan, Villalovoz, Ethan, Fazzini, Mattia, Cai, Haipeng, Doppa, Janardhan Rao
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

Automatically Removing Unnecessary Stubbings from Test Suites
von: Li, Mengzhen, et al.
Veröffentlicht: (2024)

Improving LLM-Driven Test Generation by Learning from Mocking Information
von: Lee, Jamie, et al.
Veröffentlicht: (2026)

ICST Tool Competition 2025 -- Self-Driving Car Testing Track
von: Birchler, Christian, et al.
Veröffentlicht: (2025)

When Prompt Under-Specification Improves Code Correctness: An Exploratory Study of Prompt Wording and Structure Effects on LLM-Based Code Generation
von: AKLI, Amal, et al.
Veröffentlicht: (2026)

APPATCH: Automated Adaptive Prompting Large Language Models for Real-World Software Vulnerability Patching
von: Nong, Yu, et al.
Veröffentlicht: (2024)

Evaluating Large Language Models for Code Translation: Effects of Prompt Language and Prompt Design
von: Aljagthami, Aamer, et al.
Veröffentlicht: (2025)

Are Large Language Models a Threat to Programming Platforms? An Exploratory Study
von: Billah, Md Mustakim, et al.
Veröffentlicht: (2024)

Configuring Agentic AI Coding Tools: An Exploratory Study
von: Galster, Matthias, et al.
Veröffentlicht: (2026)

An Exploratory Study on Fine-Tuning Large Language Models for Secure Code Generation
von: Li, Junjie, et al.
Veröffentlicht: (2024)

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

Human-Agent versus Human Pull Requests: A Testing-Focused Characterization and Comparison
von: Milanese, Roberto, et al.
Veröffentlicht: (2026)

Automated Harmfulness Testing for Code Large Language Models
von: Tan, Honghao, et al.
Veröffentlicht: (2025)

The Impact of Generative AI on Code Expertise Models: An Exploratory Study
von: Cury, Otávio, et al.
Veröffentlicht: (2025)

Guidelines to Prompt Large Language Models for Code Generation: An Empirical Characterization
von: Midolo, Alessandro, et al.
Veröffentlicht: (2026)

An Exploratory Investigation into Code License Infringements in Large Language Model Training Datasets
von: Katzy, Jonathan, et al.
Veröffentlicht: (2024)

Scaling Test-Driven Code Generation from Functions to Classes: An Empirical Study
von: Liang, Yunhao, et al.
Veröffentlicht: (2026)

Offline Model-Based Optimization via Policy-Guided Gradient Search
von: Chemingui, Yassine, et al.
Veröffentlicht: (2024)

Optimizing Large Language Model Hyperparameters for Code Generation
von: Arora, Chetan, et al.
Veröffentlicht: (2024)

Early Discoveries of Algorithmist I: Promise of Provable Algorithm Synthesis at Scale
von: Kulkarni, Janardhan
Veröffentlicht: (2026)

CodeMorph: Mitigating Data Leakage in Large Language Model Assessment
von: Rao, Hongzhou, et al.
Veröffentlicht: (2025)

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

Toward Linking Declined Proposals and Source Code: An Exploratory Study on the Go Repository
von: Nakashima, Sota, et al.
Veröffentlicht: (2026)

How to Refactor this Code? An Exploratory Study on Developer-ChatGPT Refactoring Conversations
von: AlOmar, Eman Abdullah, et al.
Veröffentlicht: (2024)

Fine-Tuning and Prompt Engineering for Large Language Models-based Code Review Automation
von: Pornprasit, Chanathip, et al.
Veröffentlicht: (2024)

DiffSpec: Differential Testing with LLMs using Natural Language Specifications and Code Artifacts
von: Rao, Nikitha, et al.
Veröffentlicht: (2024)

LLM-Based Test-Driven Interactive Code Generation: User Study and Empirical Evaluation
von: Fakhoury, Sarah, et al.
Veröffentlicht: (2024)

Automated Test Suite Enhancement Using Large Language Models with Few-shot Prompting
von: Chudic, Alex, et al.
Veröffentlicht: (2026)

Identification and Optimization of Redundant Code Using Large Language Models
von: Cynthia, Shamse Tasnim
Veröffentlicht: (2025)

Process-based Indicators of Vulnerability Re-Introducing Code Changes: An Exploratory Case Study
von: Shimmi, Samiha, et al.
Veröffentlicht: (2025)

ABTest: Behavior-Driven Testing for AI Coding Agents
von: Dai, Wuyang, et al.
Veröffentlicht: (2026)

RippleGUItester: Change-Aware Exploratory Testing
von: Su, Yanqi, et al.
Veröffentlicht: (2026)

Bug Priority Change Prediction: An Exploratory Study on Apache Software
von: Cai, Guangzong, et al.
Veröffentlicht: (2025)

Regression Testing in Remote and Hybrid Software Teams: An Exploratory Study of Processes, Tools, and Practices
von: Pascoal, Juliane, et al.
Veröffentlicht: (2026)

LLMParser: An Exploratory Study on Using Large Language Models for Log Parsing
von: Ma, Zeyang, et al.
Veröffentlicht: (2024)

PromSec: Prompt Optimization for Secure Generation of Functional Source Code with Large Language Models (LLMs)
von: Nazzal, Mahmoud, et al.
Veröffentlicht: (2024)

Mutation Testing via Iterative Large Language Model-Driven Scientific Debugging
von: Straubinger, Philipp, et al.
Veröffentlicht: (2025)

Prompt Optimization for LLM Code Generation via Reinforcement Learning
von: Esfahani, Ali Mohammadi, et al.
Veröffentlicht: (2026)

An Exploratory Eye Tracking Study on How Developers Classify and Debug Python Code in Different Paradigms
von: Flint, Samuel W., et al.
Veröffentlicht: (2025)

The First Prompt Counts the Most! An Evaluation of Large Language Models on Iterative Example-Based Code Generation
von: Fu, Yingjie, et al.
Veröffentlicht: (2024)

An Empirical Study on the Code Refactoring Capability of Large Language Models
von: Cordeiro, Jonathan, et al.
Veröffentlicht: (2024)