Buchumschlag

Not All Metrics Are Necessary: Multi-label Code Smell Detection with Prompt Learning

Fuente: Zenodo

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Hy, L
Format:	Recurso digital
Veröffentlicht:	Zenodo 2025
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Prompt Learning for Multi-Label Code Smell Detection: A Promising Approach
von: Liu, Haiyang, et al.
Veröffentlicht: (2024)

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

An Event-Driven Tool for Context-Aware Code Smell Detection Using SmellDSL
von: Viegas, Matheus dos Santos, et al.
Veröffentlicht: (2026)

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

Towards Automated Detection of Inline Code Comment Smells
von: Oztas, Ipek, et al.
Veröffentlicht: (2025)

An Empirical Evaluation of Code Smell Detection in Angular Applications
von: Nunes, Maykon, et al.
Veröffentlicht: (2026)

FedCSD: A Federated Learning Based Approach for Code-Smell Detection
von: Alawadi, Sadi, et al.
Veröffentlicht: (2023)

Replication Package: Co-occurrence of Code Smells and Community Smells in Java Code Samples
von: Bueno, Arthur Ramires Rodrigues Neto, et al.
Veröffentlicht: (2026)

SmellBench: Evaluating LLM Agents on Architectural Code Smell Repair
von: Dinu, Ion George, et al.
Veröffentlicht: (2026)

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

Empirical Characterization of Logging Smells in Machine Learning Code
von: Foalem, Patrick Loic, et al.
Veröffentlicht: (2026)

Empirical Characterization of Logging Smells in Machine Learning Code
von: Foalem, Patrick Loic, et al.
Veröffentlicht: (2026)

Software Metric Based Impact Analysis of Code Smells ‐ A Large Scale Empirical Study
von: Md. Masudur Rahman, et al.
Veröffentlicht: (2025)

When Code Smells Meet ML: On the Lifecycle of ML-specific Code Smells in ML-enabled Systems
von: Recupito, Gilberto, et al.
Veröffentlicht: (2024)

Code Smell Detection via Pearson Correlation and ML Hyperparameter Optimization
von: Bhuiyan, Moinuddin Muhammad Imtiaz, et al.
Veröffentlicht: (2025)

SmellyBot: An AI‐Powered Software Bot for Code Smell Detection
von: Amal Alazba, et al.
Veröffentlicht: (2025)

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

AMUSED: Affective Metrics & Usability Smell Evaluation Dataset
von: de Souza Santos, Flávia
Veröffentlicht: (2025)

Data Preparation for Deep Learning based Code Smell Detection: A Systematic Literature Review
von: Zhang, Fengji, et al.
Veröffentlicht: (2024)

A Comprehensive Evaluation of Parameter-Efficient Fine-Tuning on Code Smell Detection
von: Zhang, Beiqi, et al.
Veröffentlicht: (2024)

A Systematic Review on Code Smell Detection Approaches in Open Source Projects
von: Sawsan Alodibat, et al.
Veröffentlicht: (2026)

On the Impact of Requirements Smells in Prompts: The Case of Automated Traceability
von: Vogelsang, Andreas, et al.
Veröffentlicht: (2025)

Prompt Smells: An Omen for Undesirable Generative AI Outputs
von: Ronanki, Krishna, et al.
Veröffentlicht: (2024)

Characterizing JavaScript Security Code Smells
von: Kambhampati, Vikas, et al.
Veröffentlicht: (2024)

Automated Detection of Inter-Language Design Smells in Multi-Language Deep Learning Frameworks
von: Li, Zengyang, et al.
Veröffentlicht: (2024)

Label-Guided Prompt for Multi-label Few-shot Aspect Category Detection
von: Guan, ChaoFeng, et al.
Veröffentlicht: (2024)

Necessary but not Sufficient: Limitations of Projection Quality Metrics
von: A. Machado, et al.
Veröffentlicht: (2025)

Is Prompt Selection Necessary for Task-Free Online Continual Learning?
von: Park, Seoyoung, et al.
Veröffentlicht: (2026)

Beyond Strict Rules: Assessing the Effectiveness of Large Language Models for Code Smell Detection
von: Souza, Saymon, et al.
Veröffentlicht: (2026)

Copy-and-Paste? Identifying EVM-Inequivalent Code Smells in Multi-chain Reuse Contracts
von: Wang, Zexu, et al.
Veröffentlicht: (2025)

An Empirical Study of Interaction Smells in Multi-Turn Human-LLM Collaborative Code Generation
von: Zhang, Binquan, et al.
Veröffentlicht: (2026)

A Code Smell Refactoring Approach using GNNs
von: Zhang, HanYu, et al.
Veröffentlicht: (2025)

The Influence of Code Smells in Efferent Neighbors on Class Stability
von: Zhang, Zushuai, et al.
Veröffentlicht: (2026)

Replication package for A Unified Cross-Language Intermediate Representation for Infrastructure-as-Code Smell Detection
von: Anonymous
Veröffentlicht: (2026)

Replication package for A Unified Cross-Language Intermediate Representation for Infrastructure-as-Code Smell Detection
von: Anonymous
Veröffentlicht: (2026)

Not All Layers of LLMs Are Necessary During Inference
von: Fan, Siqi, et al.
Veröffentlicht: (2024)

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

Smells-sus: Sustainability Smells in IaC
von: Kosbar, Seif, et al.
Veröffentlicht: (2025)

A Novel Taxonomy and Classification Scheme for Code Smell Interactions
von: Gupta, Ruchin, et al.
Veröffentlicht: (2025)

On the Prevalence, Evolution, and Impact of Code Smells in Simulation Modelling Software
von: Mahbub, Riasat, et al.
Veröffentlicht: (2024)