Buchumschlag

Defective Task Descriptions in LLM-Based Code Generation: Detection and Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Akli, Amal, Papadakis, Mike, Cordy, Maxime, Traon, Yves Le
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

One Model, Many Skills: Parameter-Efficient Fine-Tuning for Multitask Code Analysis
von: Akli, Amal, et al.
Veröffentlicht: (2026)

When Prompts Go Wrong: Evaluating Code Model Robustness to Ambiguous, Contradictory, and Incomplete Task Descriptions
von: Larbi, Maya, et al.
Veröffentlicht: (2025)

GenCode: A Generic Data Augmentation Framework for Boosting Deep Learning-Based Code Understanding
von: Dong, Zeming, et al.
Veröffentlicht: (2024)

Software Fairness: An Analysis and Survey
von: Soremekun, Ezekiel, et al.
Veröffentlicht: (2022)

Boosting Source Code Learning with Text-Oriented Data Augmentation: An Empirical Study
von: Dong, Zeming, et al.
Veröffentlicht: (2023)

Learning Generalizable Multimodal Representations for Software Vulnerability Detection
von: Dong, Zeming, et al.
Veröffentlicht: (2026)

Inferring Code Correctness from Specification
von: Florian, Tambon, et al.
Veröffentlicht: (2026)

An Empirical Study of the Imbalance Issue in Software Vulnerability Detection
von: Guo, Yuejun, et al.
Veröffentlicht: (2026)

When Prompt Under-Specification Improves Code Correctness: An Exploratory Study of Prompt Wording and Structure Effects on LLM-Based Code Generation
von: AKLI, Amal, et al.
Veröffentlicht: (2026)

Uncovering Intention through LLM-Driven Code Snippet Description Generation
von: Nugroho, Yusuf Sulistyo, et al.
Veröffentlicht: (2025)

Detecting and Correcting Hallucinations in LLM-Generated Code via Deterministic AST Analysis
von: Khati, Dipin, et al.
Veröffentlicht: (2026)

Understanding Defects in Generated Codes by Language Models
von: Esfahani, Ali Mohammadi, et al.
Veröffentlicht: (2024)

On Iterative Evaluation and Enhancement of Code Quality Using GPT-4o
von: Liu, Rundong, et al.
Veröffentlicht: (2025)

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

Can Code Evaluation Metrics Detect Code Plagiarism?
von: Ebrahim, Fahad, et al.
Veröffentlicht: (2026)

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

Toward Automated and Trustworthy Scientific Analysis and Visualization with LLM-Generated Code
von: Chakroborti, Apu Kumar, et al.
Veröffentlicht: (2025)

CodeVision: Detecting LLM-Generated Code Using 2D Token Probability Maps and Vision Models
von: Xu, Zhenyu, et al.
Veröffentlicht: (2025)

ProcCtrlBench: Evaluating Process-Level Defects and Control Preservation in LLM Coding Agents
von: He, Jiawei, et al.
Veröffentlicht: (2026)

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

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

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

TaskEval: Assessing Difficulty of Code Generation Tasks for Large Language Models
von: Tambon, Florian, et al.
Veröffentlicht: (2024)

Task Abstention for Large Language Models in Code Generation
von: Zhou, Yanke, et al.
Veröffentlicht: (2026)

Automated Benchmark Generation for Repository-Level Coding Tasks
von: Vergopoulos, Konstantinos, et al.
Veröffentlicht: (2025)

GeoCode-GPT: A Large Language Model for Geospatial Code Generation Tasks
von: Hou, Shuyang, et al.
Veröffentlicht: (2024)

Code Copycat Conundrum: Demystifying Repetition in LLM-based Code Generation
von: Liu, Mingwei, et al.
Veröffentlicht: (2025)

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)

Uncertainty Quantification for LLM-based Code Generation
von: Xu, Senrong, et al.
Veröffentlicht: (2026)

Enhancing LLM-Based Code Generation with Complexity Metrics: A Feedback-Driven Approach
von: Sepidband, Melika, et al.
Veröffentlicht: (2025)

ModiGen: A Large Language Model-Based Workflow for Multi-Task Modelica Code Generation
von: Xiang, Jiahui, et al.
Veröffentlicht: (2025)

Empirical Analysis and Detection of Hallucinations in LLM-Generated Bug Report Summaries
von: Nirujan, Hinduja, et al.
Veröffentlicht: (2026)

Holistic Evaluation of State-of-the-Art LLMs for Code Generation
von: Zhang, Le, et al.
Veröffentlicht: (2025)

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)

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

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

A Tertiary Review of Large Language Model-Based Code Generating Tasks: Trends, Challenges, and Future Directions
von: Chochlov, Muslim, et al.
Veröffentlicht: (2026)

A Performance Study of LLM-Generated Code on Leetcode
von: Coignion, Tristan, et al.
Veröffentlicht: (2024)

Bias Testing and Mitigation in LLM-based Code Generation
von: Huang, Dong, et al.
Veröffentlicht: (2023)

Uncovering LLM-Generated Code: A Zero-Shot Synthetic Code Detector via Code Rewriting
von: Ye, Tong, et al.
Veröffentlicht: (2024)