An Empirical Study on Influence-Based Pretraining Data Selection for Code Large Language Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Xing, Chengli, Zeng, Zhengran, Fang, Gexiang, Xie, Rui, Ye, Wei, Zhang, Shikun |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Seed&Steer: Guiding Large Language Models with Compilable Prefix and Branch Signals for Unit Test Generation
par: Zhou, Shuaiyu, et autres
Publié: (2025)
par: Zhou, Shuaiyu, et autres
Publié: (2025)
Benchmarking and Studying the LLM-based Agent System in End-to-End Software Development
par: Zeng, Zhengran, et autres
Publié: (2025)
par: Zeng, Zhengran, et autres
Publié: (2025)
CodeShell Technical Report
par: Xie, Rui, et autres
Publié: (2024)
par: Xie, Rui, et autres
Publié: (2024)
Benchmarking and Studying the LLM-based Code Review
par: Zeng, Zhengran, et autres
Publié: (2025)
par: Zeng, Zhengran, et autres
Publié: (2025)
A Survey on Evaluating Large Language Models in Code Generation Tasks
par: Chen, Liguo, et autres
Publié: (2024)
par: Chen, Liguo, et autres
Publié: (2024)
CoderUJB: An Executable and Unified Java Benchmark for Practical Programming Scenarios
par: Zeng, Zhengran, et autres
Publié: (2024)
par: Zeng, Zhengran, et autres
Publié: (2024)
A Large-scale Empirical Study on Fine-tuning Large Language Models for Unit Testing
par: Shang, Ye, et autres
Publié: (2024)
par: Shang, Ye, et autres
Publié: (2024)
An Empirical Study on the Code Refactoring Capability of Large Language Models
par: Cordeiro, Jonathan, et autres
Publié: (2024)
par: Cordeiro, Jonathan, et autres
Publié: (2024)
Reasoning Through Execution: Unifying Process and Outcome Rewards for Code Generation
par: Yu, Zhuohao, et autres
Publié: (2024)
par: Yu, Zhuohao, et autres
Publié: (2024)
Large Language Models for Fault Localization: An Empirical Study
par: Xiao, YingJian, et autres
Publié: (2025)
par: Xiao, YingJian, et autres
Publié: (2025)
An Empirical Study on Self-correcting Large Language Models for Data Science Code Generation
par: Quoc, Thai Tang, et autres
Publié: (2024)
par: Quoc, Thai Tang, et autres
Publié: (2024)
ISC4DGF: Enhancing Directed Grey-box Fuzzing with LLM-Driven Initial Seed Corpus Generation
par: Xu, Yijiang, et autres
Publié: (2024)
par: Xu, Yijiang, et autres
Publié: (2024)
An Empirical Study on the Effectiveness of Large Language Models for Binary Code Understanding
par: Shang, Xiuwei, et autres
Publié: (2025)
par: Shang, Xiuwei, et autres
Publié: (2025)
Ensembling Large Language Models for Code Vulnerability Detection: An Empirical Evaluation
par: Sun, Zhihong, et autres
Publié: (2025)
par: Sun, Zhihong, et autres
Publié: (2025)
Bugs in Large Language Models Generated Code: An Empirical Study
par: Tambon, Florian, et autres
Publié: (2024)
par: Tambon, Florian, et autres
Publié: (2024)
An Empirical Study on Low-Code Programming using Traditional vs Large Language Model Support
par: Liu, Yongkun, et autres
Publié: (2024)
par: Liu, Yongkun, et autres
Publié: (2024)
Beyond Autoregression: An Empirical Study of Diffusion Large Language Models for Code Generation
par: Li, Chengze, et autres
Publié: (2025)
par: Li, Chengze, et autres
Publié: (2025)
Guidelines to Prompt Large Language Models for Code Generation: An Empirical Characterization
par: Midolo, Alessandro, et autres
Publié: (2026)
par: Midolo, Alessandro, et autres
Publié: (2026)
An Empirical Study on Capability of Large Language Models in Understanding Code Semantics
par: Nguyen, Thu-Trang, et autres
Publié: (2024)
par: Nguyen, Thu-Trang, et autres
Publié: (2024)
An Empirical Study of Interaction Smells in Multi-Turn Human-LLM Collaborative Code Generation
par: Zhang, Binquan, et autres
Publié: (2026)
par: Zhang, Binquan, et autres
Publié: (2026)
Failure-Aware Enhancements for Large Language Model (LLM) Code Generation: An Empirical Study on Decision Framework
par: Shen, Jianru, et autres
Publié: (2026)
par: Shen, Jianru, et autres
Publié: (2026)
Beyond Code: Empirical Insights into How Team Dynamics Influence OSS Project Selection
par: Nirmani, Shashiwadana, et autres
Publié: (2026)
par: Nirmani, Shashiwadana, et autres
Publié: (2026)
Assessing Small Language Models for Code Generation: An Empirical Study with Benchmarks
par: Hasan, Md Mahade, et autres
Publié: (2025)
par: Hasan, Md Mahade, et autres
Publié: (2025)
Model Compression vs. Adversarial Robustness: An Empirical Study on Language Models for Code
par: Awal, Md. Abdul, et autres
Publié: (2025)
par: Awal, Md. Abdul, et autres
Publié: (2025)
Large Language Models for Secure Code Assessment: A Multi-Language Empirical Study
par: Dozono, Kohei, et autres
Publié: (2024)
par: Dozono, Kohei, et autres
Publié: (2024)
Contextualized Code Pretraining for Code Generation
par: Liu, Chen, et autres
Publié: (2026)
par: Liu, Chen, et autres
Publié: (2026)
GALA: Multimodal Graph Alignment for Bug Localization in Automated Program Repair
par: Liu, Zhuoyao, et autres
Publié: (2026)
par: Liu, Zhuoyao, et autres
Publié: (2026)
Crash Report Enhancement with Large Language Models: An Empirical Study
par: Fahim, S M Farah Al, et autres
Publié: (2025)
par: Fahim, S M Farah Al, et autres
Publié: (2025)
An Empirical Study of LLM-Based Code Clone Detection
par: Zhu, Wenqing, et autres
Publié: (2025)
par: Zhu, Wenqing, et autres
Publié: (2025)
PTMPicker: Facilitating Efficient Pretrained Model Selection for Application Developers
par: Liu, Pei, et autres
Publié: (2025)
par: Liu, Pei, et autres
Publié: (2025)
The First Prompt Counts the Most! An Evaluation of Large Language Models on Iterative Example-Based Code Generation
par: Fu, Yingjie, et autres
Publié: (2024)
par: Fu, Yingjie, et autres
Publié: (2024)
An Empirical Study of Retrieval-Augmented Code Generation: Challenges and Opportunities
par: Yang, Zezhou, et autres
Publié: (2025)
par: Yang, Zezhou, et autres
Publié: (2025)
Decoding Human-LLM Collaboration in Coding: An Empirical Study of Multi-Turn Conversations in the Wild
par: Zhang, Binquan, et autres
Publié: (2025)
par: Zhang, Binquan, et autres
Publié: (2025)
Large Language Model Unlearning for Source Code
par: Jiang, Xue, et autres
Publié: (2025)
par: Jiang, Xue, et autres
Publié: (2025)
An Empirical Study of Python Library Migration Using Large Language Models
par: Islam, Md Mohayeminul, et autres
Publié: (2025)
par: Islam, Md Mohayeminul, et autres
Publié: (2025)
Guidelines for Empirical Studies in Software Engineering involving Large Language Models
par: Baltes, Sebastian, et autres
Publié: (2025)
par: Baltes, Sebastian, et autres
Publié: (2025)
A Large-Scale Empirical Study of AI-Generated Code in Real-World Repositories
par: Mao, Tianhao, et autres
Publié: (2026)
par: Mao, Tianhao, et autres
Publié: (2026)
On the Compression of Language Models for Code: An Empirical Study on CodeBERT
par: d'Aloisio, Giordano, et autres
Publié: (2024)
par: d'Aloisio, Giordano, et autres
Publié: (2024)
Code vs Serialized AST Inputs for LLM-Based Code Summarization: An Empirical Study
par: Dong, Shijia, et autres
Publié: (2026)
par: Dong, Shijia, et autres
Publié: (2026)
Can Large Language Models Serve as Evaluators for Code Summarization?
par: Wu, Yang, et autres
Publié: (2024)
par: Wu, Yang, et autres
Publié: (2024)
Documents similaires
-
Seed&Steer: Guiding Large Language Models with Compilable Prefix and Branch Signals for Unit Test Generation
par: Zhou, Shuaiyu, et autres
Publié: (2025) -
Benchmarking and Studying the LLM-based Agent System in End-to-End Software Development
par: Zeng, Zhengran, et autres
Publié: (2025) -
CodeShell Technical Report
par: Xie, Rui, et autres
Publié: (2024) -
Benchmarking and Studying the LLM-based Code Review
par: Zeng, Zhengran, et autres
Publié: (2025) -
A Survey on Evaluating Large Language Models in Code Generation Tasks
par: Chen, Liguo, et autres
Publié: (2024)