Buchumschlag

The Code Whisperer: LLM and Graph-Based AI for Smell and Vulnerability Resolution

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Baqar, Mohammad, Rustamov, Raji, Hughes, Alexander
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

RAG4Tickets: AI-Powered Ticket Resolution via Retrieval-Augmented Generation on JIRA and GitHub Data
von: Baqar, Mohammad
Veröffentlicht: (2025)

AI-Augmented CI/CD Pipelines: From Code Commit to Production with Autonomous Decisions
von: Baqar, Mohammad, et al.
Veröffentlicht: (2025)

Balancing Innovation and Ethics in AI-Driven Software Development
von: Baqar, Mohammad
Veröffentlicht: (2024)

Breaking Barriers in Software Testing: The Power of AI-Driven Automation
von: Naqvi, Saba, et al.
Veröffentlicht: (2025)

The Future of Software Testing: AI-Powered Test Case Generation and Validation
von: Baqar, Mohammad, et al.
Veröffentlicht: (2024)

Self-Healing Software Systems: Lessons from Nature, Powered by AI
von: Baqar, Mohammad, et al.
Veröffentlicht: (2025)

Specification and Detection of LLM Code Smells
von: Mahmoudi, Brahim, et al.
Veröffentlicht: (2025)

Investigating The Smells of LLM Generated Code
von: Paul, Debalina Ghosh, et al.
Veröffentlicht: (2025)

AI-Generated Smells: An Analysis of Code and Architecture in LLM and Agent-Driven Development
von: Zhu, Yuecai, et al.
Veröffentlicht: (2026)

The Rise of Agentic Testing: Multi-Agent Systems for Robust Software Quality Assurance
von: Naqvi, Saba, et al.
Veröffentlicht: (2026)

ML Code Smells: From Specification to Detection
von: Mahmoudi, Brahim, et al.
Veröffentlicht: (2025)

Automatic Identification of Machine Learning-Specific Code Smells
von: Hamfelt, Peter, et al.
Veröffentlicht: (2025)

LLM-Powered Code Vulnerability Repair with Reinforcement Learning and Semantic Reward
von: Islam, Nafis Tanveer, et al.
Veröffentlicht: (2024)

Copilot-in-the-Loop: Fixing Code Smells in Copilot-Generated Python Code using Copilot
von: Zhang, Beiqi, et al.
Veröffentlicht: (2024)

How Propense Are Large Language Models at Producing Code Smells? A Benchmarking Study
von: Velasco, Alejandro, et al.
Veröffentlicht: (2024)

An Empirical Evaluation of LLM-Based Approaches for Code Vulnerability Detection: RAG, SFT, and Dual-Agent Systems
von: Saju, Md Hasan, et al.
Veröffentlicht: (2026)

DynamicsLLM: a Dynamic Analysis-based Tool for Generating Intelligent Execution Traces Using LLMs to Detect Android Behavioural Code Smells
von: Cherief, Houcine Abdelkader, et al.
Veröffentlicht: (2026)

Cracking CodeWhisperer: Analyzing Developers' Interactions and Patterns During Programming Tasks
von: Javahar, Jeena, et al.
Veröffentlicht: (2025)

LLMs in Web Development: Evaluating LLM-Generated PHP Code Unveiling Vulnerabilities and Limitations
von: Tóth, Rebeka, et al.
Veröffentlicht: (2024)

CRScore: Grounding Automated Evaluation of Code Review Comments in Code Claims and Smells
von: Naik, Atharva, et al.
Veröffentlicht: (2024)

Studying Vulnerable Code Entities in R
von: Zhao, Zixiao, et al.
Veröffentlicht: (2024)

Correct Code, Vulnerable Dependencies: A Large Scale Measurement Study of LLM-Specified Library Versions
von: Wang, Chengjie, et al.
Veröffentlicht: (2026)

CodeCircuit: Toward Inferring LLM-Generated Code Correctness via Attribution Graphs
von: He, Yicheng, et al.
Veröffentlicht: (2026)

Benchmarking LLM for Code Smells Detection: OpenAI GPT-4.0 vs DeepSeek-V3
von: Sadik, Ahmed R., et al.
Veröffentlicht: (2025)

Fortifying LLM-Based Code Generation with Graph-Based Reasoning on Secure Coding Practices
von: Patir, Rupam, et al.
Veröffentlicht: (2025)

On Developers' Self-Declaration of AI-Generated Code: An Analysis of Practices
von: Kashif, Syed Mohammad, et al.
Veröffentlicht: (2025)

Repository Intelligence Graph: Deterministic Architectural Map for LLM Code Assistants
von: Cherny-Shahar, Tsvi, et al.
Veröffentlicht: (2026)

QLPro: Automated Code Vulnerability Discovery via LLM and Static Code Analysis Integration
von: Hu, Junze, et al.
Veröffentlicht: (2025)

CodeSift: An LLM-Based Reference-Less Framework for Automatic Code Validation
von: Aggarwal, Pooja, et al.
Veröffentlicht: (2024)

Machine Learning Techniques for Python Source Code Vulnerability Detection
von: Farasat, Talaya, et al.
Veröffentlicht: (2024)

Natural Language Requirements Testability Measurement Based on Requirement Smells
von: Zakeri-Nasrabadi, Morteza, et al.
Veröffentlicht: (2024)

HELIOS: Hierarchical Graph Abstraction for Structure-Aware LLM Decompilation
von: Achamyeleh, Yonatan Gizachew, et al.
Veröffentlicht: (2026)

MAGIS: LLM-Based Multi-Agent Framework for GitHub Issue Resolution
von: Tao, Wei, et al.
Veröffentlicht: (2024)

Hallucination in LLM-Based Code Generation: An Automotive Case Study
von: Pavel, Marc, et al.
Veröffentlicht: (2025)

MalCodeAI: Autonomous Vulnerability Detection and Remediation via Language Agnostic Code Reasoning
von: Gajjar, Jugal, et al.
Veröffentlicht: (2025)

Let the Trial Begin: A Mock-Court Approach to Vulnerability Detection using LLM-Based Agents
von: Widyasari, Ratnadira, et al.
Veröffentlicht: (2025)

Code Security Vulnerability Repair Using Reinforcement Learning with Large Language Models
von: Islam, Nafis Tanveer, et al.
Veröffentlicht: (2024)

Ambiguity Resolution with Human Feedback for Code Writing Tasks
von: Nandan, Aditey, et al.
Veröffentlicht: (2025)

Defective Task Descriptions in LLM-Based Code Generation: Detection and Analysis
von: Akli, Amal, et al.
Veröffentlicht: (2026)

CGP-Tuning: Structure-Aware Soft Prompt Tuning for Code Vulnerability Detection
von: Feng, Ruijun, et al.
Veröffentlicht: (2025)