Computerwissenschaften - Software-Entwicklung

Lerne, wie man die Testabdeckung in Microservices effektiv bewertet.

Methoden analysieren, um Entwicklern effizient ähnliche Bugberichte zu holen.

LeakFuzzer erkennt Informationslecks in Programmen, um die Sicherheit von Software zu verbessern.

Massgeschneiderte Empfehlungen können das Onboarding-Erlebnis für Neueinsteiger im Open Source verbessern.

Dieser Artikel untersucht Schwächen bei den Auswahlmethoden von Tests für Deep-Learning-Systeme.

BERTOps verbessert die Protokollanalyse für IT-Betriebsteams und unterstützt die Site-Reliability-Teams.

Diese Studie hebt hervor, wie Java-Entwickler Antworten von StackOverflow auf GitHub wiederverwenden.

Untersuchen, wie sich Refactoring auf die Qualität von Testcode auswirkt.

Ein Workshop, der darauf abzielt, die Verbindung zwischen Anforderungsmanagement und Testen zu verbessern.

Ein Blick darauf, wie Startups die Herausforderungen in der Softwareentwicklung angehen.

Eine neue Methode gleicht Machine-Learning-Modelle aus, um die Performance zu verbessern.

QPLEX verbindet klassische und Quantenressourcen für effiziente Optimierungslösungen.

Herausforderungen für sichere maschinelles Lernen-Anwendungen in kritischen Systemen angehen.

Eine neue Methode verbessert das Modellieren von Benutzeroberflächen für Mobile Apps.

Die Automatisierung der Priorisierung von Fehlerberichten verbessert die Sicherheit von Smart Contracts und die Effizienz der Entwickler.

Diese Studie vergleicht PEFT und ICL beim Verbessern der Codegenerierung mit LLMs.

Ein neues Framework verbessert die Effektivität von adversarialen Angriffen auf Code-Modelle.

Ein neues Framework verbessert die Schwachstellenerkennung in der eingebetteten Netzwerkkommunikation.

Neuer Datensatz und Trainingsmethode verbessern die Namens­erkennung von Software.

Erforschen, wie Quantencomputing das zufällige Sampling in Software-Produktlinien verbessern kann.

Ein neues Modell verbessert die Schwachstellenerkennung mit positiven und nicht markierten Daten.

Timing-Angriffe stellen Risiken für Software dar, indem sie sensible Informationen durch die Ausführungszeit offenbaren.

Lern, wie die Umstrukturierung von Deep-Learning-Code die Leistung durch Automatisierung verbessert.

Diese Studie untersucht, wie IR-Techniken bei der Auswahl von Testfällen helfen können.

Ein neuartiges Verfahren zur Empfehlung von APIs während der Bibliotheksmigration mithilfe von Wissensgraph-Embedding.

LEAP verbessert das Testen auf Angriffe für Software zur Verarbeitung natürlicher Sprache.

Ein Rahmenwerk, um den Energieverbrauch in Deep-Learning-Systemen genau zu messen.

Forschung zeigt, dass vortrainierte Modelle effektiv dabei helfen, Software-Schwachstellen zu beheben.

Dieser Artikel hebt die wichtigsten Herausforderungen hervor, mit denen Entwickler bei der Bereitstellung von DRL-Systemen konfrontiert sind.

Dieses Paper untersucht bessere Methoden zur Bewertung von Codegenerierungsmodellen mithilfe von kausaler Inferenz.

Bugsplainer bietet klare Erklärungen für Bugs, um die Softwareentwicklung zu erleichtern.

In diesem Artikel geht's um die Hürden bei der Entwicklung von Quanten-Software und mögliche Lösungen.

Dieser Artikel behandelt die Resilienz in durch LLM generierten Automatisierungssystemen.

Ein neuer Ansatz, um das Zusammenführen von Zuständen zu vereinfachen für bessere Programmanalyse.

SPROUT verbessert die Sicherheit, indem es Fehlklassifikationen in maschinellen Lernklassifikatoren erkennt.

Eine Studie über Schwachstellen im IoT-Code, die online gefunden wurde, zeigt Sicherheitsrisiken auf.

Lern, wie man Software vor Seitenkanalangriffen mit automatisierten Tools schützt.

Lern, wie du die Qualität beim Schreiben von Anforderungen sicherstellen und die Projektergebnisse verbessern kannst.

Eine Erkundung der Herausforderungen und der Forschung, die für Software-Startups nötig sind.

Diese Studie bewertet ein KI-Tool zum Testen von Software für Krebsregister.