Buchumschlag

TAROT: Test-driven and Capability-adaptive Curriculum Reinforcement Fine-tuning for Code Generation with Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Park, Chansung, Jiang, Juyong, Wang, Fan, Paul, Sayak, Shen, Jiasi, Tang, Jing, Li, Jianguo
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Machine Learning Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

WebGen-R1: Incentivizing Large Language Models to Generate Functional and Aesthetic Websites with Reinforcement Learning
von: Jiang, Juyong, et al.
Veröffentlicht: (2026)

A Survey on Large Language Models for Code Generation
von: Jiang, Juyong, et al.
Veröffentlicht: (2024)

ReflexiCoder: Teaching Large Language Models to Self-Reflect on Generated Code and Self-Correct It via Reinforcement Learning
von: Jiang, Juyong, et al.
Veröffentlicht: (2026)

CodePivot: Bootstrapping Multilingual Transpilation in LLMs via Reinforcement Learning without Parallel Corpora
von: Li, Shangyu, et al.
Veröffentlicht: (2026)

OSVBench: Benchmarking LLMs on Specification Generation Tasks for Operating System Verification
von: Li, Shangyu, et al.
Veröffentlicht: (2025)

Multi-Agent Systems for Dataset Adaptation in Software Engineering: Capabilities, Limitations, and Future Directions
von: Chen, Jingyi, et al.
Veröffentlicht: (2025)

A Large-scale Empirical Study on Fine-tuning Large Language Models for Unit Testing
von: Shang, Ye, et al.
Veröffentlicht: (2024)

Free and Customizable Code Documentation with LLMs: A Fine-Tuning Approach
von: Chakrabarty, Sayak, et al.
Veröffentlicht: (2024)

Improving the Robustness of Large Language Models for Code Tasks via Fine-tuning with Perturbed Data
von: Liu, Yang, et al.
Veröffentlicht: (2026)

When LLMs Meet API Documentation: Can Retrieval Augmentation Aid Code Generation Just as It Helps Developers?
von: Chen, Jingyi, et al.
Veröffentlicht: (2025)

LlamaDuo: LLMOps Pipeline for Seamless Migration from Service LLMs to Small-Scale Local LLMs
von: Park, Chansung, et al.
Veröffentlicht: (2024)

Improving Code Search with Hard Negative Sampling Based on Fine-tuning
von: Dong, Hande, et al.
Veröffentlicht: (2023)

MORepair: Teaching LLMs to Repair Code via Multi-Objective Fine-tuning
von: Yang, Boyang, et al.
Veröffentlicht: (2024)

REACCEPT: Automated Co-evolution of Production and Test Code Based on Dynamic Validation and Large Language Models
von: Chi, Jianlei, et al.
Veröffentlicht: (2024)

Does the Order of Fine-tuning Matter and Why?
von: Chen, Qihong, et al.
Veröffentlicht: (2024)

Devstral: Fine-tuning Language Models for Coding Agent Applications
von: Rastogi, Abhinav, et al.
Veröffentlicht: (2025)

D-LiFT: Improving LLM-based Decompiler Backend via Code Quality-driven Fine-tuning
von: Zou, Muqi, et al.
Veröffentlicht: (2025)

RAG or Fine-tuning? A Comparative Study on LCMs-based Code Completion in Industry
von: Wang, Chaozheng, et al.
Veröffentlicht: (2025)

UniASM: Binary Code Similarity Detection without Fine-tuning
von: Gu, Yeming, et al.
Veröffentlicht: (2022)

Data-driven Test Generation for Fuzzing AI Compiler
von: Shen, Qingchao
Veröffentlicht: (2026)

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

Exploring the Capabilities of LLMs for Code Change Related Tasks
von: Fan, Lishui, et al.
Veröffentlicht: (2024)

EffiCoder: Enhancing Code Generation in Large Language Models through Efficiency-Aware Fine-tuning
von: Huang, Dong, et al.
Veröffentlicht: (2024)

A Real-World Benchmark for Evaluating Fine-Grained Issue Solving Capabilities of Large Language Models
von: Hu, Ruida, et al.
Veröffentlicht: (2024)

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

Fine-grained Testing for Autonomous Driving Software: a Study on Autoware with LLM-driven Unit Testing
von: Wang, Wenhan, et al.
Veröffentlicht: (2025)

TestBench: Evaluating Class-Level Test Case Generation Capability of Large Language Models
von: Zhang, Quanjun, et al.
Veröffentlicht: (2024)

Code Less, Align More: Efficient LLM Fine-tuning for Code Generation with Data Pruning
von: Tsai, Yun-Da, et al.
Veröffentlicht: (2024)

CRPE: Expanding The Reasoning Capability of Large Language Model for Code Generation
von: Gui, Ningxin, et al.
Veröffentlicht: (2025)

Flow2Code: Evaluating Large Language Models for Flowchart-based Code Generation Capability
von: He, Mengliang, et al.
Veröffentlicht: (2025)

Prompting and Fine-tuning Large Language Models for Automated Code Review Comment Generation
von: Haider, Md. Asif, et al.
Veröffentlicht: (2024)

CodeReasoner: Enhancing the Code Reasoning Ability with Reinforcement Learning
von: Tang, Lingxiao, et al.
Veröffentlicht: (2025)

Lares: LLM-driven Code Slice Semantic Search for Patch Presence Testing
von: Li, Siyuan, et al.
Veröffentlicht: (2025)

MetaSel: A Test Selection Approach for Fine-tuned DNN Models
von: Abbasishahkoo, Amin, et al.
Veröffentlicht: (2025)

FGIT: Fault-Guided Fine-Tuning for Code Generation
von: Fan, Lishui, et al.
Veröffentlicht: (2025)

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

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

AI-assisted Code Authoring at Scale: Fine-tuning, deploying, and mixed methods evaluation
von: Murali, Vijayaraghavan, et al.
Veröffentlicht: (2023)

Eliciting Instruction-tuned Code Language Models' Capabilities to Utilize Auxiliary Function for Code Generation
von: Lee, Seonghyeon, et al.
Veröffentlicht: (2024)

Mutation-based Consistency Testing for Evaluating the Code Understanding Capability of LLMs
von: Li, Ziyu, et al.
Veröffentlicht: (2024)