Shing-Chi Cheung

Une étude met en avant l'impact de la contamination des données sur les évaluations des modèles de code.

Une nouvelle approche améliore la fiabilité des tests pour les bibliothèques d'apprentissage profond.

Une analyse détaillée des bugs dans les compilateurs Solidity et leurs implications.

Une nouvelle technique améliore les tests de chargement de modèles dans les compilateurs de deep learning.

Un benchmark multi-domaine évalue les capacités de génération de code des LLM dans différents domaines.

Présentation d'ADIT : Une nouvelle approche pour améliorer l'efficacité des tests logiciels grâce à la transformation automatique des entrées.

Apprends comment le refactoring de code réduit la contamination des données dans le développement logiciel.