:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Cheng, Cheng
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering
Online-Zugang:	https://arxiv.org/abs/2603.23633
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Detect Repair Verify for Securing LLM Generated Code: A Multi-Language Empirical Study
von: Cheng, Cheng
Veröffentlicht: (2026)

Completion by Comprehension: Guiding Code Generation with Multi-Granularity Understanding
von: Zhao, Xinkui, et al.
Veröffentlicht: (2025)

An Empirical Study of Interaction Smells in Multi-Turn Human-LLM Collaborative Code Generation
von: Zhang, Binquan, et al.
Veröffentlicht: (2026)

An Empirical Study on the Effects of System Prompts in Instruction-Tuned Models for Code Generation
von: Cheng, Zaiyu, et al.
Veröffentlicht: (2026)

Rethinking Code Review Workflows with LLM Assistance: An Empirical Study
von: Aðalsteinsson, Fannar Steinn, et al.
Veröffentlicht: (2025)

An Empirical Study of LLM-Based Code Clone Detection
von: Zhu, Wenqing, et al.
Veröffentlicht: (2025)

Code Review Automation Via Multi-task Federated LLM -- An Empirical Study
von: Kumar, Jahnavi, et al.
Veröffentlicht: (2024)

LLM Based Web Accessibility Repair: An Empirical Study of Detection, Remediation, and Cost
von: Oyelayo, Oluwatoyosi, et al.
Veröffentlicht: (2026)

Decoding Human-LLM Collaboration in Coding: An Empirical Study of Multi-Turn Conversations in the Wild
von: Zhang, Binquan, et al.
Veröffentlicht: (2025)

A Multi-Language Perspective on the Robustness of LLM Code Generation
von: Rabbi, Fazle, et al.
Veröffentlicht: (2025)

Large Language Models for Secure Code Assessment: A Multi-Language Empirical Study
von: Dozono, Kohei, et al.
Veröffentlicht: (2024)

TGMM: Combining Parse Tree with GPU for Scalable Multilingual and Multi-Granularity Code Clone Detection
von: Ye, Yuhang, et al.
Veröffentlicht: (2024)

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

Syntax Is Not Enough: An Empirical Study of Small Transformer Models for Neural Code Repair
von: Samant, Shaunak
Veröffentlicht: (2025)

An Execution-Verified Multi-Language Benchmark for Code Semantic Reasoning
von: Li, Yikun, et al.
Veröffentlicht: (2026)

Failure-Aware Enhancements for Large Language Model (LLM) Code Generation: An Empirical Study on Decision Framework
von: Shen, Jianru, et al.
Veröffentlicht: (2026)

On the Effectiveness of Training Data Optimization for LLM-based Code Generation: An Empirical Study
von: Kuang, Shiqi, et al.
Veröffentlicht: (2025)

CFCEval: Evaluating Security Aspects in Code Generated by Large Language Models
von: Cheng, Cheng, et al.
Veröffentlicht: (2025)

Assessing Small Language Models for Code Generation: An Empirical Study with Benchmarks
von: Hasan, Md Mahade, et al.
Veröffentlicht: (2025)

Learn to Code Sustainably: An Empirical Study on LLM-based Green Code Generation
von: Vartziotis, Tina, et al.
Veröffentlicht: (2024)

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

An Empirical Study on the Effectiveness of Large Language Models for Binary Code Understanding
von: Shang, Xiuwei, et al.
Veröffentlicht: (2025)

Search-Induced Issues in Web-Augmented LLM Code Generation: Detecting and Repairing Error-Inducing Pages
von: Wang, Guoqing, et al.
Veröffentlicht: (2026)

Beyond Language Barriers: Multi-Agent Coordination for Multi-Language Code Generation
von: Moumoula, Micheline Bénédicte, et al.
Veröffentlicht: (2025)

Automated Repair of Ambiguous Problem Descriptions for LLM-Based Code Generation
von: Jia, Haoxiang, et al.
Veröffentlicht: (2025)

Unlocking LLM Repair Capabilities Through Cross-Language Translation and Multi-Agent Refinement
von: Luo, Wenqiang, et al.
Veröffentlicht: (2025)

LLM-Based Multi-Agent Systems for Code Generation: A Multi-Vocal Literature Review
von: Rasheeda, Zeeshan, et al.
Veröffentlicht: (2026)

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

An Empirical Study on Automatically Detecting AI-Generated Source Code: How Far Are We?
von: Suh, Hyunjae, et al.
Veröffentlicht: (2024)

Code vs Serialized AST Inputs for LLM-Based Code Summarization: An Empirical Study
von: Dong, Shijia, et al.
Veröffentlicht: (2026)

Bugs in Large Language Models Generated Code: An Empirical Study
von: Tambon, Florian, et al.
Veröffentlicht: (2024)

Automatic Detection of LLM-Generated Code: A Comparative Case Study of Contemporary Models Across Function and Class Granularities
von: Rahman, Musfiqur, et al.
Veröffentlicht: (2024)

SiblingRepair: Sibling-Based Multi-Hunk Repair with Large Language Models
von: Liu, Xinyu, et al.
Veröffentlicht: (2026)

Guiding AI to Fix Its Own Flaws: An Empirical Study on LLM-Driven Secure Code Generation
von: Yan, Hao, et al.
Veröffentlicht: (2025)

Edit, But Verify: An Empirical Audit of Instructed Code-Editing Benchmarks
von: Ebrahimi, Amir M., et al.
Veröffentlicht: (2026)

AdaptiveLLM: A Framework for Selecting Optimal Cost-Efficient LLM for Code-Generation Based on CoT Length
von: Cheng, Junhang, et al.
Veröffentlicht: (2025)

MGS3: A Multi-Granularity Self-Supervised Code Search Framework
von: Li, Rui, et al.
Veröffentlicht: (2025)

StagedVulBERT: Multi-Granular Vulnerability Detection with a Novel Pre-trained Code Model
von: Jiang, Yuan, et al.
Veröffentlicht: (2024)

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

Security and Quality in LLM-Generated Code: A Multi-Language, Multi-Model Analysis
von: Kharma, Mohammed, et al.
Veröffentlicht: (2025)