Buchumschlag

A Dataset and Preliminary Study of Using GPT-5 for Code-change Impact Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Stengg, Katharina, Macho, Christian, Pinzger, Martin
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

Lost in Translation? Converting RegExes for Log Parsing into Dynatrace Pattern Language
von: Fragner, Julian, et al.
Veröffentlicht: (2025)

Generating Accurate OpenAPI Descriptions from Java Source Code
von: Lercher, Alexander, et al.
Veröffentlicht: (2024)

Microservice API Evolution in Practice: A Study on Strategies and Challenges
von: Lercher, Alexander, et al.
Veröffentlicht: (2023)

On Iterative Evaluation and Enhancement of Code Quality Using GPT-4o
von: Liu, Rundong, et al.
Veröffentlicht: (2025)

Evaluating ChatGPT-3.5 Efficiency in Solving Coding Problems of Different Complexity Levels: An Empirical Analysis
von: Li, Minda, et al.
Veröffentlicht: (2024)

A Preliminary Study of Multilingual Code Language Models for Code Generation Task Using Translated Benchmarks
von: Dandamudi, Rohit, et al.
Veröffentlicht: (2024)

Experimental Analysis of Productive Interaction Strategy with ChatGPT: User Study on Function and Project-level Code Generation Tasks
von: Hyun, Sangwon, et al.
Veröffentlicht: (2025)

Distilled GPT for Source Code Summarization
von: Su, Chia-Yi, et al.
Veröffentlicht: (2023)

ChatGPT vs. DeepSeek: A Comparative Study on AI-Based Code Generation
von: Manik, Md Motaleb Hossen
Veröffentlicht: (2025)

Evaluation of the Code Generation Capabilities of ChatGPT 4: A Comparative Analysis in 19 Programming Languages
von: Gilbert, L. C.
Veröffentlicht: (2025)

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

A GPT-based Code Review System for Programming Language Learning
von: Dong-Kyu, Lee
Veröffentlicht: (2024)

Do Prompt Patterns Affect Code Quality? A First Empirical Assessment of ChatGPT-Generated Code
von: Della Porta, Antonio, et al.
Veröffentlicht: (2025)

A Study on the Impact of Fault localization Granularity for Repository-Scale Code Repair Tasks
von: Townsend, Joseph, et al.
Veröffentlicht: (2026)

LicenseGPT: A Fine-tuned Foundation Model for Publicly Available Dataset License Compliance
von: Tan, Jingwen, et al.
Veröffentlicht: (2024)

SWE-QA: A Dataset and Benchmark for Complex Code Understanding
von: Elkoussy, Laïla, et al.
Veröffentlicht: (2026)

CodeSense: a Real-World Benchmark and Dataset for Code Semantic Reasoning
von: Roy, Monoshi Kumar, et al.
Veröffentlicht: (2025)

Identifying Helpful Context for LLM-based Vulnerability Repair: A Preliminary Study
von: Antal, Gábor, et al.
Veröffentlicht: (2025)

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

Benchmarking Prompt Engineering Techniques for Secure Code Generation with GPT Models
von: Bruni, Marc, et al.
Veröffentlicht: (2025)

CodeAssistBench (CAB): Dataset & Benchmarking for Multi-turn Chat-Based Code Assistance
von: Kim, Myeongsoo, et al.
Veröffentlicht: (2025)

AIGCodeSet: A New Annotated Dataset for AI Generated Code Detection
von: Demirok, Basak, et al.
Veröffentlicht: (2024)

API-guided Dataset Synthesis to Finetune Large Code Models
von: Li, Zongjie, 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)

Helping LLMs Improve Code Generation Using Feedback from Testing and Static Analysis
von: Dolcetti, Greta, et al.
Veröffentlicht: (2024)

Impact of Comments on LLM Comprehension of Legacy Code
von: Sabetto, Rock, et al.
Veröffentlicht: (2025)

On the Impacts of Contexts on Repository-Level Code Generation
von: Hai, Nam Le, et al.
Veröffentlicht: (2024)

Does Code Cleanliness Affect Coding Agents? A Controlled Minimal-Pair Study
von: Trivedi, Priyansh, et al.
Veröffentlicht: (2026)

DroidBot-GPT: GPT-powered UI Automation for Android
von: Wen, Hao, et al.
Veröffentlicht: (2023)

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

Can GPT-4 Replicate Empirical Software Engineering Research?
von: Liang, Jenny T., et al.
Veröffentlicht: (2023)

Automatic Building Code Review: A Case Study
von: Wan, Hanlong, et al.
Veröffentlicht: (2025)

Learning to Code with Context: A Study-Based Approach
von: Borghoff, Uwe M., et al.
Veröffentlicht: (2025)

A Performance Study of LLM-Generated Code on Leetcode
von: Coignion, Tristan, et al.
Veröffentlicht: (2024)

Impact-driven Context Filtering For Cross-file Code Completion
von: Li, Yanzhou, et al.
Veröffentlicht: (2025)

Analysis on LLMs Performance for Code Summarization
von: Akib, Md. Ahnaf, et al.
Veröffentlicht: (2024)

A Qualitative Study on Using ChatGPT for Software Security: Perception vs. Practicality
von: Kholoosi, M. Mehdi, et al.
Veröffentlicht: (2024)

Generating High-Quality Datasets for Code Editing via Open-Source Language Models
von: Zhang, Zekai, et al.
Veröffentlicht: (2025)

System Test Case Design from Requirements Specifications: Insights and Challenges of Using ChatGPT
von: Bhatia, Shreya, et al.
Veröffentlicht: (2024)

Studying Vulnerable Code Entities in R
von: Zhao, Zixiao, et al.
Veröffentlicht: (2024)