Buchumschlag

What to Cut? Predicting Unnecessary Methods in Agentic Code Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Watanabe, Kan, Shirai, Tatsuya, Kashiwa, Yutaro, Iida, Hajimu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

To What Extent Does Agent-generated Code Require Maintenance? An Empirical Study
von: Sawada, Shota, et al.
Veröffentlicht: (2026)

Does Programming Language Matter? An Empirical Study of Fuzzing Bug Detection
von: Shirai, Tatsuya, et al.
Veröffentlicht: (2026)

Large-Scale Empirical Analysis of Continuous Fuzzing: Insights from 1 Million Fuzzing Sessions
von: Shirai, Tatsuya, et al.
Veröffentlicht: (2025)

On the Use of Agentic Coding: An Empirical Study of Pull Requests on GitHub
von: Watanabe, Miku, et al.
Veröffentlicht: (2025)

Understanding Self-Admitted Technical Debt in Test Code: An Empirical Study
von: Nakamura, Ibuki, et al.
Veröffentlicht: (2025)

Do AI Agents Really Improve Code Readability?
von: Horikawa, Kyogo, et al.
Veröffentlicht: (2026)

On the Use of Agentic Coding Manifests: An Empirical Study of Claude Code
von: Chatlatanagulchai, Worawalan, et al.
Veröffentlicht: (2025)

Agentic Refactoring: An Empirical Study of AI Coding Agents
von: Horikawa, Kosei, et al.
Veröffentlicht: (2025)

Testing with AI Agents: An Empirical Study of Test Generation Frequency, Quality, and Coverage
von: Yoshimoto, Suzuka, et al.
Veröffentlicht: (2026)

An Empirical Study of Security-Policy Related Issues in Open Source Projects
von: Kanaji, Rintaro, et al.
Veröffentlicht: (2025)

Agent READMEs: An Empirical Study of Context Files for Agentic Coding
von: Chatlatanagulchai, Worawalan, et al.
Veröffentlicht: (2025)

Detecting and Characterizing Low and No Functionality Packages in the NPM Ecosystem
von: Tevarut, Napasorn, et al.
Veröffentlicht: (2025)

Agentic Software Engineering: Foundational Pillars and a Research Roadmap
von: Hassan, Ahmed E., et al.
Veröffentlicht: (2025)

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

What Breaks When LLMs Code? Characterizing Operational Safety Failures of Agentic Code Assistants
von: Hasan, Alif Al, et al.
Veröffentlicht: (2026)

Software Self-Extension with SelfEvolve: an Agentic Architecture for Runtime Code Generation
von: Fahim, Md Asif Iqbal, et al.
Veröffentlicht: (2026)

What Builds Effective In-Context Examples for Code Generation?
von: Li, Dongze, et al.
Veröffentlicht: (2025)

OpenGame: Open Agentic Coding for Games
von: Jiang, Yilei, et al.
Veröffentlicht: (2026)

Human-AI Synergy in Agentic Code Review
von: Zhong, Suzhen, et al.
Veröffentlicht: (2026)

SmartDoc: A Context-Aware Agentic Method Comment Generation Plugin
von: Etemadi, Vahid, et al.
Veröffentlicht: (2025)

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

Agentic Much? Adoption of Coding Agents on GitHub
von: Robbes, Romain, et al.
Veröffentlicht: (2026)

A Dataset of Agentic AI Coding Tool Configurations
von: Galster, Matthias, et al.
Veröffentlicht: (2026)

DeepCode: Open Agentic Coding
von: Li, Zongwei, et al.
Veröffentlicht: (2025)

RAG-Reflect: Agentic Retrieval-Augmented Generation with Reflections for Comment-Driven Code Maintenance on Stack Overflow
von: Shanto, Mehedi Hasan, et al.
Veröffentlicht: (2026)

Sharpen the Spec, Cut the Code: A Case for Generative File System with SYSSPEC
von: Liu, Qingyuan, et al.
Veröffentlicht: (2025)

What to Retrieve for Effective Retrieval-Augmented Code Generation? An Empirical Study and Beyond
von: Gu, Wenchao, et al.
Veröffentlicht: (2025)

Predicting Developer Acceptance of AI-Generated Code Suggestions
von: Jiang, Jing, et al.
Veröffentlicht: (2026)

Understanding Dominant Themes in Reviewing Agentic AI-authored Code
von: Haider, Md. Asif, et al.
Veröffentlicht: (2026)

Perceptual Self-Reflection in Agentic Physics Simulation Code Generation
von: Shende, Prashant, et al.
Veröffentlicht: (2026)

Evaluating Time-Dependent Methods and Seasonal Effects in Code Technical Debt Prediction
von: Robredo, Mikel, et al.
Veröffentlicht: (2024)

Assessing AI-Based Code Assistants in Method Generation Tasks
von: Corso, Vincenzo, et al.
Veröffentlicht: (2024)

Deep Learning Based Code Generation Methods: Literature Review
von: Yang, Zezhou, et al.
Veröffentlicht: (2023)

Yet Even Less Is Even Better For Agentic, Reasoning, and Coding LLMs
von: CodeArts Model Team, et al.
Veröffentlicht: (2026)

The Good, the Bad, and the Monstrous: Predicting Highly Change-Prone Source Code Methods at Their Inception
von: Chowdhury, Shaiful
Veröffentlicht: (2024)

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

Why Agentic-PRs Get Rejected: A Comparative Study of Coding Agents
von: Nakashima, Sota, et al.
Veröffentlicht: (2026)

Generating Java Methods: An Empirical Assessment of Four AI-Based Code Assistants
von: Corso, Vincenzo, et al.
Veröffentlicht: (2024)

Explaining Code Risk in OSS: Towards LLM-Generated Fault Prediction Interpretations
von: Adejumo, Elijah Kayode, et al.
Veröffentlicht: (2025)

Relative Code Comprehensibility Prediction
von: De Silva, Nadeeshan, et al.
Veröffentlicht: (2025)