Buchumschlag

AI-Generated Smells: An Analysis of Code and Architecture in LLM and Agent-Driven Development

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Yuecai, Tsantalis, Nikolaos, Rigby, Peter C.
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

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

Automated User Story Generation with Test Case Specification Using Large Language Model
von: Rahman, Tajmilur, et al.
Veröffentlicht: (2024)

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

The Code Whisperer: LLM and Graph-Based AI for Smell and Vulnerability Resolution
von: Baqar, Mohammad, et al.
Veröffentlicht: (2026)

Evaluation-Driven Development and Operations of LLM Agents: A Process Model and Reference Architecture
von: Xia, Boming, et al.
Veröffentlicht: (2024)

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

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

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)

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

Tests as Prompt: A Test-Driven-Development Benchmark for LLM Code Generation
von: Cui, Yi
Veröffentlicht: (2025)

Architecture Without Architects: How AI Coding Agents Shape Software Architecture
von: Konrad, Phongsakon Mark, et al.
Veröffentlicht: (2026)

Test-Driven Development for Code Generation
von: Mathews, Noble Saji, et al.
Veröffentlicht: (2024)

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

Formal Architecture Descriptors as Navigation Primitives for AI Coding Agents
von: Jin, Ruoqi
Veröffentlicht: (2026)

Multi-line AI-assisted Code Authoring
von: Dunay, Omer, et al.
Veröffentlicht: (2024)

Spec-Driven Development:From Code to Contract in the Age of AI Coding Assistants
von: Piskala, Deepak Babu
Veröffentlicht: (2026)

AI-assisted Code Authoring at Scale: Fine-tuning, deploying, and mixed methods evaluation
von: Murali, Vijayaraghavan, et al.
Veröffentlicht: (2023)

A Novel Refactoring and Semantic Aware Abstract Syntax Tree Differencing Tool and a Benchmark for Evaluating the Accuracy of Diff Tools
von: Alikhanifard, Pouria, et al.
Veröffentlicht: (2024)

MOSS: Enabling Code-Driven Evolution and Context Management for AI Agents
von: Zhu, Ming, et al.
Veröffentlicht: (2024)

Constraint Decay: The Fragility of LLM Agents in Backend Code Generation
von: Dente, Francesco, et al.
Veröffentlicht: (2026)

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

Towards Responsible Generative AI: A Reference Architecture for Designing Foundation Model based Agents
von: Lu, Qinghua, et al.
Veröffentlicht: (2023)

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

Theory of Code Space: Do Code Agents Understand Software Architecture?
von: Sapunov, Grigory
Veröffentlicht: (2026)

On the Adoption of AI Coding Agents in Open-source Android and iOS Development
von: Khan, Muhammad Ahmad, et al.
Veröffentlicht: (2026)

LLM-Empowered Event-Chain Driven Code Generation for ADAS in SDV systems
von: Petrovic, Nenad, et al.
Veröffentlicht: (2025)

ProjDevBench: Benchmarking AI Coding Agents on End-to-End Project Development
von: Lu, Pengrui, et al.
Veröffentlicht: (2026)

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

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

AI-Assisted Fixes to Code Review Comments at Scale
von: Maddila, Chandra, et al.
Veröffentlicht: (2025)

Bridging LLM-Generated Code and Requirements: Reverse Generation technique and SBC Metric for Developer Insights
von: Ponnusamy, Ahilan Ayyachamy Nadar
Veröffentlicht: (2025)

Identifying Performance-Sensitive Configurations in Software Systems through Code Analysis with LLM Agents
von: Wang, Zehao, et al.
Veröffentlicht: (2024)

SEMAG: Self-Evolutionary Multi-Agent Code Generation
von: Peng, Yulin, et al.
Veröffentlicht: (2026)

AI-Generated Code Is Not Reproducible (Yet): An Empirical Study of Dependency Gaps in LLM-Based Coding Agents
von: Vangala, Bhanu Prakash, et al.
Veröffentlicht: (2025)

AutoSafeCoder: A Multi-Agent Framework for Securing LLM Code Generation through Static Analysis and Fuzz Testing
von: Nunez, Ana, et al.
Veröffentlicht: (2024)

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

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

Effective LLM-Driven Code Generation with Pythoness
von: Levin, Kyla H., et al.
Veröffentlicht: (2025)

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

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