Shing-Chi Cheung

Un estudio destaca el impacto de la contaminación de datos en las evaluaciones de modelos de código.

Un nuevo enfoque mejora la fiabilidad de las pruebas para bibliotecas de aprendizaje profundo.

Un análisis detallado de errores en compiladores de Solidity y sus implicaciones.

Una nueva técnica mejora las pruebas para la carga de modelos en compiladores de aprendizaje profundo.

Un benchmark multidominio evalúa las habilidades de generación de código de los LLM en varios campos.

Presentando ADIT: Un nuevo enfoque para mejorar la eficiencia de las pruebas de software mediante la transformación automática de entradas.

Aprende cómo la refactorización de código reduce la contaminación de datos en el desarrollo de software.