Buchumschlag

CommitSuite: A Comprehensive Benchmark for Commit Classification and Message Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wan, Zirui, Wu, Zhaonan, Hou, Xinyi, Zhao, Yanjie, Xia, Pengcheng, Wang, Haoyu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CommitShield: Tracking Vulnerability Introduction and Fix in Version Control Systems
von: Wu, Zhaonan, et al.
Veröffentlicht: (2025)

CommitSuite: A Comprehensive Benchmark for Commit Classification and Message Generation
von: Anonymous, Anonymous
Veröffentlicht: (2025)

CommitSuite: A Comprehensive Benchmark for Commit Classification and Message Generation
von: Anonymous, Anonymous
Veröffentlicht: (2025)

CommitBench: A Benchmark for Commit Message Generation
von: Schall, Maximilian, et al.
Veröffentlicht: (2024)

Voices from the Frontier: A Comprehensive Analysis of the OpenAI Developer Forum
von: Hou, Xinyi, et al.
Veröffentlicht: (2024)

RAG-Enhanced Commit Message Generation
von: Zhang, Linghao, et al.
Veröffentlicht: (2024)

Optimization is Better than Generation: Optimizing Commit Message Leveraging Human-written Commit Message
von: Li, Jiawei, et al.
Veröffentlicht: (2025)

Automated Commit Message Generation with Large Language Models: An Empirical Study and Beyond
von: Xue, Pengyu, et al.
Veröffentlicht: (2024)

Automated Generation of Commit Messages in Software Repositories
von: Palakodeti, Varun Kumar, et al.
Veröffentlicht: (2025)

Using Large Language Models for Commit Message Generation: A Preliminary Study
von: Zhang, Linghao, et al.
Veröffentlicht: (2024)

Unsafe by Flow: Uncovering Bidirectional Data-Flow Risks in MCP Ecosystem
von: Hou, Xinyi, et al.
Veröffentlicht: (2026)

Evaluating Generated Commit Messages with Large Language Models
von: Zeng, Qunhong, et al.
Veröffentlicht: (2025)

Contextual Code Retrieval for Commit Message Generation: A Preliminary Study
von: Xiong, Bo, et al.
Veröffentlicht: (2025)

An Empirical Study on Commit Message Generation using LLMs via In-Context Learning
von: Wu, Yifan, et al.
Veröffentlicht: (2025)

Commit Messages in the Age of Large Language Models
von: Lopes, Cristina V., et al.
Veröffentlicht: (2024)

Improving the Quality of Commit Messages in Students' Projects
von: Ma, Iris, et al.
Veröffentlicht: (2023)

Agent-Based Software Artifact Evaluation
von: Wu, Zhaonan, et al.
Veröffentlicht: (2026)

LLM App Store Analysis: A Vision and Roadmap
von: Zhao, Yanjie, et al.
Veröffentlicht: (2024)

GPTZoo: A Large-scale Dataset of GPTs for the Research Community
von: Hou, Xinyi, et al.
Veröffentlicht: (2024)

Large Language Model Supply Chain: A Research Agenda
von: Wang, Shenao, et al.
Veröffentlicht: (2024)

CodeFuse-CommitEval: Towards Benchmarking LLM's Power on Commit Message and Code Change Inconsistency Detection
von: Zhang, Qingyu, et al.
Veröffentlicht: (2025)

CoRaCMG: Contextual Retrieval-Augmented Framework for Commit Message Generation
von: Xiong, Bo, et al.
Veröffentlicht: (2025)

KADEL: Knowledge-Aware Denoising Learning for Commit Message Generation
von: Tao, Wei, et al.
Veröffentlicht: (2024)

LLM Applications: Current Paradigms and the Next Frontier
von: Hou, Xinyi, et al.
Veröffentlicht: (2025)

Context Conquers Parameters: Outperforming Proprietary LLM in Commit Message Generation
von: Imani, Aaron, et al.
Veröffentlicht: (2024)

CoMRAT: Commit Message Rationale Analysis Tool
von: Dhaouadi, Mouna, et al.
Veröffentlicht: (2025)

Brevity is the Soul of Wit: Condensing Code Changes to Improve Commit Message Generation
von: Kuang, Hongyu, et al.
Veröffentlicht: (2025)

On the Informativeness of Security Commit Messages: A Large-scale Replication Study
von: Islam, Syful, et al.
Veröffentlicht: (2026)

On the Use of Commit Messages for Corrective Software Maintenance: A Systematic Mapping Study
von: Islam, Syful, et al.
Veröffentlicht: (2026)

Bridging Design and Development with Automated Declarative UI Code Generation
von: Zhou, Ting, et al.
Veröffentlicht: (2024)

Rationale Dataset and Analysis for the Commit Messages of the Linux Kernel Out-of-Memory Killer
von: Dhaouadi, Mouna, et al.
Veröffentlicht: (2024)

Consider What Humans Consider: Optimizing Commit Message Leveraging Contexts Considered By Human
von: Li, Jiawei, et al.
Veröffentlicht: (2025)

COMET: Generating Commit Messages using Delta Graph Context Representation
von: Mandli, Abhinav Reddy, et al.
Veröffentlicht: (2024)

Toward Understanding Bugs in Vector Database Management Systems
von: Xie, Yinglin, et al.
Veröffentlicht: (2025)

Towards Reliable Vector Database Management Systems: A Software Testing Roadmap for 2030
von: Wang, Shenao, et al.
Veröffentlicht: (2025)

GPT Store Mining and Analysis
von: Su, Dongxun, et al.
Veröffentlicht: (2024)

Software Engineering for Large Language Models: Research Status, Challenges and the Road Ahead
von: Rao, Hongzhou, et al.
Veröffentlicht: (2025)

Unveiling the Landscape of LLM Deployment in the Wild: An Empirical Study
von: Hou, Xinyi, et al.
Veröffentlicht: (2025)

CrossCommitVuln-Bench: A Dataset of Multi-Commit Python Vulnerabilities Invisible to Per-Commit Static Analysis
von: Majumdar, Arunabh
Veröffentlicht: (2026)

Commit0: Library Generation from Scratch
von: Zhao, Wenting, et al.
Veröffentlicht: (2024)