:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Deshapriya, Lakmal, Licorish, Sherlock A., Woodford, Brendon J.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering
Online-Zugang:	https://arxiv.org/abs/2603.00821
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GBM Returns the Best Prediction Performance among Regression Approaches: A Case Study of Stack Overflow Code Quality
von: Licorish, Sherlock A., et al.
Veröffentlicht: (2025)

Dealing with SonarQube Cloud: Initial Results from a Mining Software Repository Study
von: Nocera, Sabato, et al.
Veröffentlicht: (2025)

Static Analysis as a Feedback Loop: Enhancing LLM-Generated Code Beyond Correctness
von: Blyth, Scott, et al.
Veröffentlicht: (2025)

Understanding the Effect of Agile Practice Quality on Software Product Quality
von: Licorish, Sherlock Anthony
Veröffentlicht: (2024)

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

The Future of Software Engineering Conferences: A New Zealand Perspective
von: Blincoe, Kelly, et al.
Veröffentlicht: (2026)

A Pilot Study on Detecting Software Design Patterns with Large Language Models: An Empirical Evaluation
von: Chowdhury, Oishik, et al.
Veröffentlicht: (2026)

At What Cost? Software Developers' Well-Being in the Age of GenAI
von: Guizani, Mariam, et al.
Veröffentlicht: (2026)

Geographic Variation in Stack Overflow Code Quality: Evidence from a Cross-Regional Study of Coding Practices
von: Zolduoarrati, Elijah, et al.
Veröffentlicht: (2026)

On the need to perform comprehensive evaluations of automated program repair benchmarks: Sorald case study
von: Liyanage, Sumudu, et al.
Veröffentlicht: (2025)

Comparing Human and LLM Generated Code: The Jury is Still Out!
von: Licorish, Sherlock A., et al.
Veröffentlicht: (2025)

Predictive Analytics for Collaborators Answers, Code Quality, and Dropout on Stack Overflow
von: Zolduoarrati, Elijah, et al.
Veröffentlicht: (2025)

Enhancing Code Quality with Generative AI: Boosting Developer Warning Compliance
von: Chang, Hansen, et al.
Veröffentlicht: (2025)

Why Do You Contribute to Stack Overflow? Understanding Cross-Cultural Motivations and Usage Patterns before the Age of LLMs
von: Licorish, Sherlock A., et al.
Veröffentlicht: (2026)

A Closer Look into Transformer-Based Code Intelligence Through Code Transformation: Challenges and Opportunities
von: Li, Yaoxian, et al.
Veröffentlicht: (2022)

How Fair is Software Fairness Testing?
von: Barcomb, Ann, et al.
Veröffentlicht: (2026)

MultiDimEr: a multi-dimensional bug analyzEr
von: Silva, Lakmal, et al.
Veröffentlicht: (2024)

Teaching Empathy in Software Engineering Education in the Age of Artificial Intelligence
von: Santos, Ronnie de Souza, et al.
Veröffentlicht: (2026)

DeepFWI: Identifying Bug-Sensitive Warnings with Multi-Modal Code-Warning Semantics
von: Liu, Han, et al.
Veröffentlicht: (2024)

Towards identifying and minimizing customer-facing documentation debt
von: Silva, Lakmal, et al.
Veröffentlicht: (2024)

Exploring Autonomous Agents: A Closer Look at Why They Fail When Completing Tasks
von: Lu, Ruofan, et al.
Veröffentlicht: (2025)

Tracking the Evolution of Static Code Warnings: the State-of-the-Art and a Better Approach
von: Li, Junjie, et al.
Veröffentlicht: (2022)

Comparative Analysis of the Code Generated by Popular Large Language Models (LLMs) for MISRA C++ Compliance
von: Umer, Malik Muhammad
Veröffentlicht: (2025)

Compact Constraint Encoding for LLM Code Generation: An Empirical Study of Token Economics and Constraint Compliance
von: Tang, Hanzhang
Veröffentlicht: (2026)

Actionable Warning Is Not Enough: Recommending Valid Actionable Warnings with Weak Supervision
von: Xue, Zhipeng, et al.
Veröffentlicht: (2025)

Ten Simple Rules for AI-Assisted Coding in Science
von: Bridgeford, Eric W., et al.
Veröffentlicht: (2025)

CodeCureAgent: Automatic Classification and Repair of Static Analysis Warnings
von: Joos, Pascal, et al.
Veröffentlicht: (2025)

Looking into Black Box Code Language Models
von: Haider, Muhammad Umair, et al.
Veröffentlicht: (2024)

Compliance as Code: A Study of Linux Distributions and Beyond
von: Ruohonen, Jukka, et al.
Veröffentlicht: (2026)

ARPaCCino: An Agentic-RAG for Policy as Code Compliance
von: Romeo, Francesco, et al.
Veröffentlicht: (2025)

LiCoEval: Evaluating LLMs on License Compliance in Code Generation
von: Xu, Weiwei, et al.
Veröffentlicht: (2024)

Verifier Warnings Do Not Improve Comprehensibility Prediction
von: De Silva, Nadeeshan, et al.
Veröffentlicht: (2026)

A First Look at the Self-Admitted Technical Debt in Test Code: Taxonomy and Detection
von: Islam, Shahidul, et al.
Veröffentlicht: (2025)

SemOpt: LLM-Driven Code Optimization via Rule-Based Analysis
von: Zhao, Yuwei, et al.
Veröffentlicht: (2025)

Machine Learning for Actionable Warning Identification: A Comprehensive Survey
von: Ge, Xiuting, et al.
Veröffentlicht: (2023)

Large Language Model-Driven Code Compliance Checking in Building Information Modeling
von: Madireddy, Soumya, et al.
Veröffentlicht: (2025)

Beyond Strict Rules: Assessing the Effectiveness of Large Language Models for Code Smell Detection
von: Souza, Saymon, et al.
Veröffentlicht: (2026)

RulER: Automated Rule-Based Semantic Error Localization and Repair for Code Translation
von: Jin, Shuo, et al.
Veröffentlicht: (2025)

Compliance Management for Federated Data Processing
von: Kokash, Natallia, et al.
Veröffentlicht: (2026)

Towards Automated Continuous Security Compliance
von: Angermeir, Florian, et al.
Veröffentlicht: (2024)