Buchumschlag

Vibe-driven model-based engineering

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Cabot, Jordi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Vibe Modeling: Challenges and Opportunities
von: Cabot, Jordi
Veröffentlicht: (2025)

AgentSLA : Towards a Service Level Agreement for AI Agents
von: Jouneaux, Gwendal, et al.
Veröffentlicht: (2025)

LangBiTe: A Platform for Testing Bias in Large Language Models
von: Morales, Sergio, et al.
Veröffentlicht: (2024)

VIBEPASS: Can Vibe Coders Really Pass the Vibe Check?
von: Bansal, Srijan, et al.
Veröffentlicht: (2026)

To Vibe Research or Not to Vibe Research? Generative AI in Qualitative Research
von: Karhu, Katja, et al.
Veröffentlicht: (2026)

A Framework to Model ML Engineering Processes
von: Morales, Sergio, et al.
Veröffentlicht: (2024)

Vibe Coding in Practice: Flow, Technical Debt, and Guidelines for Sustainable Use
von: Waseem, Muhammad, et al.
Veröffentlicht: (2025)

Towards a unified user modeling language for engineering human centered AI systems
von: Conrardy, Aaron, et al.
Veröffentlicht: (2025)

Vibe-Coding: Feedback-Based Automated Verification with no Human Code Inspection, a Feasibility Study
von: Töpfer, Michal, et al.
Veröffentlicht: (2026)

The importance of visual modelling languages in generative software engineering
von: Rossi, Roberto
Veröffentlicht: (2024)

Self-Bootstrapping Automated Program Repair: Using LLMs to Generate and Evaluate Synthetic Training Data for Bug Repair
von: de-Fitero-Dominguez, David, et al.
Veröffentlicht: (2025)

VibeTensor: System Software for Deep Learning, Fully Generated by AI Agents
von: Xu, Bing, et al.
Veröffentlicht: (2026)

Vibe Coding vs. Agentic Coding: Fundamentals and Practical Implications of Agentic AI
von: Sapkota, Ranjan, et al.
Veröffentlicht: (2025)

Prompt engineering and framework: implementation to increase code reliability based guideline for LLMs
von: Cruz, Rogelio, et al.
Veröffentlicht: (2025)

Low-Modeling of Software Systems
von: Cabot, Jordi
Veröffentlicht: (2024)

The Present and Future of Bots in Software Engineering
von: Shihab, Emad, et al.
Veröffentlicht: (2022)

SecureVibeBench: Benchmarking Secure Vibe Coding of AI Agents via Reconstructing Vulnerability-Introducing Scenarios
von: Chen, Junkai, et al.
Veröffentlicht: (2025)

Low-code to fight climate change: the Climaborough project
von: Conrardy, Aaron, et al.
Veröffentlicht: (2025)

Agentic Agile-V: From Vibe Coding to Verified Engineering in Software and Hardware Development
von: Koch, Christopher
Veröffentlicht: (2026)

The Vibe-Check Protocol: Quantifying Cognitive Offloading in AI Programming
von: Aiersilan, Aizierjiang
Veröffentlicht: (2026)

Vibe Coding on Trial: Operating Characteristics of Unanimous LLM Juries
von: Ullah, Muhammad Aziz, et al.
Veröffentlicht: (2026)

RePaCA: Leveraging Reasoning Large Language Models for Static Automated Patch Correctness Assessment
von: Fuster-Pena, Marcos, et al.
Veröffentlicht: (2025)

Vibe Checker: Aligning Code Evaluation with Human Preference
von: Zhong, Ming, et al.
Veröffentlicht: (2025)

Is Vibe Coding the Future? An Empirical Assessment of LLM Generated Codes for Construction Safety
von: Uddin, S M Jamil
Veröffentlicht: (2026)

MASAI: Modular Architecture for Software-engineering AI Agents
von: Arora, Daman, et al.
Veröffentlicht: (2024)

Enabling Content Management Systems as an Information Source in Model-driven Projects
von: Giner-Miguelez, Joan, et al.
Veröffentlicht: (2025)

Professional Software Developers Don't Vibe, They Control: AI Agent Use for Coding in 2025
von: Huang, Ruanqianqian, et al.
Veröffentlicht: (2025)

Vibe Coding as a Reconfiguration of Intent Mediation in Software Development: Definition, Implications, and Research Agenda
von: Meske, Christian, et al.
Veröffentlicht: (2025)

Academic Vibe Coding: Opportunities for Accelerating Research in an Era of Resource Constraint
von: Crowson, Matthew G, et al.
Veröffentlicht: (2025)

Sentiment analysis for software engineering: How far can zero-shot learning (ZSL) go?
von: Alfayez, Reem, et al.
Veröffentlicht: (2026)

From Image to UML: First Results of Image Based UML Diagram Generation Using LLMs
von: Conrardy, Aaron, et al.
Veröffentlicht: (2024)

Key Safety Design Overview in AI-driven Autonomous Vehicles
von: Vyas, Vikas, et al.
Veröffentlicht: (2024)

Impact-driven Context Filtering For Cross-file Code Completion
von: Li, Yanzhou, et al.
Veröffentlicht: (2025)

A domain-specific language for describing machine learning datasets
von: Giner-Miguelez, Joan, et al.
Veröffentlicht: (2022)

Procedural Refinement by LLM-driven Algorithmic Debugging for ARC-AGI-2
von: Qiu, Yu-Ning, et al.
Veröffentlicht: (2026)

GAN-enhanced Simulation-driven DNN Testing in Absence of Ground Truth
von: Attaoui, Mohammed, et al.
Veröffentlicht: (2025)

Llama-based source code vulnerability detection: Prompt engineering vs Fine tuning
von: Ouchebara, Dyna Soumhane, et al.
Veröffentlicht: (2025)

Why you shouldn't fully trust ChatGPT: A synthesis of this AI tool's error rates across disciplines and the software engineering lifecycle
von: Garousi, Vahid
Veröffentlicht: (2025)

Insights into resource utilization of code small language models serving with runtime engines and execution providers
von: Durán, Francisco, et al.
Veröffentlicht: (2024)

AutoICE: Automatically Synthesizing Verifiable C Code via LLM-driven Evolution
von: Luo, Weilin, et al.
Veröffentlicht: (2025)