Weisong Sun

Un enfoque novedoso para solucionar errores de software utilizando modelos de lenguaje para la selección de código donante.

Un nuevo método mejora las pruebas de traducción automática para obtener mejor precisión.

Un nuevo método combina la generación de código con la autocompletación para reducir errores.

Un estudio sobre cómo los Modelos de Lenguaje Grande pueden mejorar la detección de vulnerabilidades en el software.

Explorando cómo los Modelos de Lenguaje Grandes están transformando la solución de errores de software.

Nuevos métodos mejoran la detección de esquemas Ponzi en inversiones de criptomonedas.

Un marco de dos etapas mejora la inferencia de tipos en Python, aumentando la calidad y eficiencia del código.

Examinando el equilibrio entre la tecnología de geolocalización y la privacidad del usuario.

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