Buchumschlag

Executing as You Generate: Hiding Execution Latency in LLM Code Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Zhensu, Lin, Zhihao, Chen, Zhi, Yang, Chengran, Zhou, Mingyi, Li, Li, Lo, David
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Programming Languages Artificial Intelligence Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AI Coders Are Among Us: Rethinking Programming Language Grammar Towards Efficient Code Generation
von: Sun, Zhensu, et al.
Veröffentlicht: (2024)

Python Symbolic Execution with LLM-powered Code Generation
von: Wang, Wenhan, et al.
Veröffentlicht: (2024)

PerfCodeGen: Improving Performance of LLM Generated Code with Execution Feedback
von: Peng, Yun, et al.
Veröffentlicht: (2024)

Defusing Logic Bombs in Symbolic Execution with LLM-Generated Ghost Code
von: Bouras, Dimitrios Stamatios, et al.
Veröffentlicht: (2026)

KAIJU: An Executive Kernel for Intent-Gated Execution of LLM Agents
von: Guerin, Cormac, et al.
Veröffentlicht: (2026)

Token Sugar: Making Source Code Sweeter for LLMs through Token-Efficient Shorthand
von: Sun, Zhensu, et al.
Veröffentlicht: (2025)

CodeRL+: Improving Code Generation via Reinforcement with Execution Semantics Alignment
von: Jiang, Xue, et al.
Veröffentlicht: (2025)

Beyond Code Pairs: Dialogue-Based Data Generation for LLM Code Translation
von: Chen, Le, et al.
Veröffentlicht: (2025)

OpenCodeInterpreter: Integrating Code Generation with Execution and Refinement
von: Zheng, Tianyu, et al.
Veröffentlicht: (2024)

EnvTrace: Simulation-Based Semantic Evaluation of LLM Code via Execution Trace Alignment -- Demonstrated at Synchrotron Beamlines
von: van der Vleuten, Noah, et al.
Veröffentlicht: (2025)

Autoregressive, Yet Revisable: In Decoding Revision for Secure Code Generation
von: Yang, Chengran, et al.
Veröffentlicht: (2026)

CodeScope: An Execution-based Multilingual Multitask Multidimensional Benchmark for Evaluating LLMs on Code Understanding and Generation
von: Yan, Weixiang, et al.
Veröffentlicht: (2023)

Dynamic Stability of LLM-Generated Code
von: Rajput, Prateek, et al.
Veröffentlicht: (2025)

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

Once4All: Skeleton-Guided SMT Solver Fuzzing with LLM-Synthesized Generators
von: Sun, Maolin, et al.
Veröffentlicht: (2025)

Effective LLM-Driven Code Generation with Pythoness
von: Levin, Kyla H., et al.
Veröffentlicht: (2025)

Verify Before You Fix: Agentic Execution Grounding for Trustworthy Cross-Language Code Analysis
von: Gajjar, Jugal
Veröffentlicht: (2026)

CodeIF-Bench: Evaluating Instruction-Following Capabilities of Large Language Models in Interactive Code Generation
von: Wang, Peiding, et al.
Veröffentlicht: (2025)

Compiling Code LLMs into Lightweight Executables
von: Shi, Jieke, et al.
Veröffentlicht: (2026)

Shepherd: A Runtime Substrate Empowering Meta-Agents with a Formalized Execution Trace
von: Yu, Simon, et al.
Veröffentlicht: (2026)

Think Like Human Developers: Harnessing Community Knowledge for Structured Code Reasoning
von: Yang, Chengran, et al.
Veröffentlicht: (2025)

BigCodeArena: Unveiling More Reliable Human Preferences in Code Generation via Execution
von: Zhuo, Terry Yue, et al.
Veröffentlicht: (2025)

Rethinking the Value of Agent-Generated Tests for LLM-Based Software Engineering Agents
von: Chen, Zhi, et al.
Veröffentlicht: (2026)

VisCoder: Fine-Tuning LLMs for Executable Python Visualization Code Generation
von: Ni, Yuansheng, et al.
Veröffentlicht: (2025)

Bridging Developer Instructions and Code Completion Through Instruction-Aware Fill-in-the-Middle Paradigm
von: Sun, Zhensu, et al.
Veröffentlicht: (2025)

RedCode: Risky Code Execution and Generation Benchmark for Code Agents
von: Guo, Chengquan, et al.
Veröffentlicht: (2024)

Efficient Symbolic Execution of Software under Fault Attacks
von: Fang, Yuzhou, et al.
Veröffentlicht: (2025)

The Hidden Cost of Readability: How Code Formatting Silently Consumes Your LLM Budget
von: Pan, Dangfeng, et al.
Veröffentlicht: (2025)

CUTECat: Concolic Execution for Computational Law
von: Goutagny, Pierre, et al.
Veröffentlicht: (2024)

PPM: Automated Generation of Diverse Programming Problems for Benchmarking Code Generation Models
von: Chen, Simin, et al.
Veröffentlicht: (2024)

Benchmarking LLM Code Generation for Audio Programming with Visual Dataflow Languages
von: Zhang, William, et al.
Veröffentlicht: (2024)

Learning to Guarantee Type Correctness in Code Generation through Type-Guided Program Synthesis
von: Huang, Zhechong, et al.
Veröffentlicht: (2025)

Multi-Pass Targeted Dynamic Symbolic Execution
von: Yavuz, Tuba
Veröffentlicht: (2024)

PreciseBugCollector: Extensible, Executable and Precise Bug-fix Collection
von: Ye, He, et al.
Veröffentlicht: (2023)

Generating Equivalent Representations of Code By A Self-Reflection Approach
von: Li, Jia, et al.
Veröffentlicht: (2024)

GenX: Mastering Code and Test Generation with Execution Feedback
von: Wang, Nan, et al.
Veröffentlicht: (2024)

$\textbf{PLUM}$: Improving Code LMs with Execution-Guided On-Policy Preference Learning Driven By Synthetic Test Cases
von: Zhang, Dylan, et al.
Veröffentlicht: (2024)

Zorya: Automated Concolic Execution of Single-Threaded Go Binaries
von: Gorna, Karolina, et al.
Veröffentlicht: (2025)

Is Functional Correctness Enough to Evaluate Code Language Models? Exploring Diversity of Generated Codes
von: Chon, Heejae, et al.
Veröffentlicht: (2024)

Don't Complete It! Preventing Unhelpful Code Completion for Productive and Sustainable Neural Code Completion Systems
von: Sun, Zhensu, et al.
Veröffentlicht: (2022)