Jie M. Zhang

Este documento evalúa la eficiencia del código generado por varios modelos.

Un estudio sobre el intercambio, mantenimiento y calidad de los artefactos de investigación en software.

AID usa LLMs y pruebas diferenciales para mejorar la detección de errores en el software.

Un nuevo enfoque mejora el rendimiento del código generado por modelos de lenguaje grandes.

Este estudio evalúa cómo los LLMs pueden mejorar las pruebas de mutación en el desarrollo de software.

Un estudio revela cómo el código defectuoso afecta la calidad de los casos de prueba de los LLMs.

Explorando la conexión entre los rasgos de personalidad y la efectividad en la generación de código usando LLMs.

Un nuevo marco busca descubrir sesgos en los escenarios de juego de roles de los modelos de lenguaje.

Aprende cómo la mutación de entrada puede mejorar la equidad en los sistemas de aprendizaje automático.