Computerwissenschaften - Software-Entwicklung

Ein neuer Ansatz, um generatorbasiertes Fuzzing zu verbessern, indem man sich auf Datentypen konzentriert.

Ein Leitfaden zur Umwandlung von nicht-idiomatischem Python-Code mit modernen Techniken.

Lern die Fuzzing-Techniken kennen, um die Sicherheit von Webanwendungen zu verbessern.

StackSight verwandelt WebAssembly mit KI-Techniken in lesbaren C++-Code.

Neue Algorithmen verbessern die Geschwindigkeit und Genauigkeit der Merkmalsauswahl in statistischen Modellen.

Frühe Validierung und Verifizierung stellen sicher, dass Systeme den Bedürfnissen entsprechen und teure Fehler minimiert werden.

Neue Methode bewertet automatisch die Vertrauenswürdigkeit von ML-Vorhersagen.

Erforschen von Methoden für effektive Multi-Label-Klassifikation in der Softwareentwicklung.

Eine neue Metrik, um zu messen, wie schwierig es ist, Programmiersprachen zu kompilieren.

AI nutzen, um die Vektorisierung zu automatisieren, was die Effizienz und Richtigkeit des Codes verbessert.

Ein neues Framework verbessert die Erstellung von Commit-Nachrichten durch Automatisierung.

Erforschen, wie Geräte zusammenarbeiten können für bessere Effizienz und Leistung.

Erkunde Strategien, um die Softwarequalität in offenen, kollaborativen Entwicklungsumgebungen sicherzustellen.

Ein Überblick über metamorphisches Testen und seine Rolle in der Softwarequalität.

Diese Studie bewertet, wie GPT-4 bei Reverse-Engineering-Aufgaben hilft.

M2CVD verbessert die Erkennung von Software-Schwachstellen durch kollaborative Modellansätze.

Ein neuer Ansatz verbessert die Erkennung von Sicherheitsanfälligkeiten in Software durch den Einsatz fortschrittlicher Modelle.

Ein neuer Massstab, um LLMs für Java-Programmieraufgaben zu bewerten.

Eine neue Methode verbessert Code-Sprachmodelle durch effektive Testfälle und Präferenzlernen.

Dieses Papier stellt eine Methode vor, um die Qualität von LLM-generiertem Code zu gewährleisten.

Die Fortschritte in der Quantencomputing erfordern effektives Testen und Debuggen für zuverlässige Software.

Diese Forschung konzentriert sich darauf, wie die Qualität von TDD gemessen und berichtet wird.

LogBatcher vereinfacht das Parsen von Logs mit grossen Sprachmodellen, ganz ohne vorheriges Training.

Lerne, wie ökologische Modellierung hilft, Umweltprobleme anzugehen.

Dieser Artikel besprecht die Risiken von Package-Halluzinationen in code-generierenden Modellen.

Eine neue Methode verbessert LLMs zur Erstellung von hochwertigem UI-Code.

Den Einsatz von Sprachmodellen, um die Fehlersuche und Testeffizienz von Software zu verbessern.

Ein neuer Benchmark testet die Fähigkeit von LLMs, Softwareanfälligkeiten zu finden.

LUNAR vereinfacht das Log-Parsing, ohne dass gelabelte Daten nötig sind, und verbessert so Genauigkeit und Effizienz.

Ein neues Framework verbessert die Codevervollständigung, indem es repositoriespezifisches Wissen erfasst.

Ein Blick auf Schwachstellen und Lösungen für Deep-Learning-Systeme.

Fuzzing und Sprachmodelle kombinieren, um die Effizienz von Softwaretests zu verbessern.

DafnyBench benchmarkt Software-Überprüfungstools und ebnet den Weg für zuverlässiges Programmieren.

Ein Blick darauf, wie LLMs programmieren durch Beispiele angehen.

Das Testen von LLMs ist wichtig für sichere und effektive KI-Anwendungen.

Ein neues Tool verbessert die statische Analyse mit vereinfachten Grafiken und Machine Learning.

Ein neuer Ansatz verbessert die Testzuverlässigkeit für Deep-Learning-Bibliotheken.

Lern, wie Rechenzentren ihre CO2-Emissionen effektiv messen und berichten.

AlabOS macht die Abläufe für automatisierte Labore einfacher und verbessert die Effizienz in der Materialforschung.

Grosse Sprachmodelle verbessern das differentielle Testen in der Softwareentwicklung.