Informatique - Génie logiciel

M2CVD améliore la détection des vulnérabilités logicielles grâce à des approches de modèle collaboratif.

Une nouvelle approche améliore la détection des vulnérabilités de sécurité logicielle en utilisant des modèles avancés.

Un nouveau benchmark pour évaluer les LLMs pour les tâches de programmation Java.

Une nouvelle méthode améliore les modèles de langage de code grâce à des cas de test efficaces et à l'apprentissage des préférences.

Ce papier présente une méthode pour assurer la qualité du code généré par les LLM.

Les avancées en informatique quantique nécessitent des tests et débogages efficaces pour un logiciel fiable.

Cette recherche se concentre sur la façon dont la qualité du TDD est mesurée et rapportée.

LogBatcher simplifie l'analyse des logs en utilisant de grands modèles de langage sans formation préalable.

Apprends comment la modélisation écologique aide à relever les défis environnementaux.

Cet article parle des risques de hallucinations de paquets dans les modèles de génération de code.

Une nouvelle méthode améliore les LLMs pour générer du code UI de haute qualité.

Utiliser des modèles de langage pour améliorer la détection de bugs dans les logiciels et l'efficacité des tests.

Un nouveau benchmark teste la capacité des LLM à trouver des vulnérabilités dans les logiciels.

LUNAR rend le parsing des logs plus facile sans avoir besoin de données étiquetées, ce qui améliore la précision et l'efficacité.

Nouveau cadre améliore la complétion de code en capturant les connaissances spécifiques au dépôt.

Un aperçu des vulnérabilités et des solutions pour les systèmes d'apprentissage profond.

Combiner le fuzzing et les modèles de langage pour améliorer l'efficacité des tests logiciels.

DafnyBench teste des outils de vérification de logiciels, ouvrant la voie à une programmation fiable.

Un aperçu de comment les LLMs abordent les défis de la programmation par l'exemple.

Tester les LLMs est essentiel pour des applications IA sûres et efficaces.

Un nouvel outil améliore l'analyse statique avec des graphiques simplifiés et de l'apprentissage automatique.

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

Apprends comment les centres de données mesurent et rapportent efficacement leurs émissions de carbone.

AlabOS simplifie les flux de travail pour les labos automatiques, rendant la recherche de matériaux plus efficace.

Les grands modèles de langage améliorent les tests différentiels dans le développement logiciel.

Explore comment l'IA transforme les pratiques et les rôles en ingénierie logicielle.

Une étude explore l'analyse statique pour améliorer la complétion de code au niveau des dépôts.

Cette étude évalue comment les LLM peuvent améliorer les tests de mutation dans le développement logiciel.

Examiner l'impact des API obsolètes sur les suggestions de code des LLM.

Explorer comment GenAI influence les pratiques d'ingénierie logicielle et ce qui reste inchangé.

Un système qui utilise des principes Agile pour améliorer l'efficacité du développement logiciel et la collaboration.

Une nouvelle approche combine connaissance et technologie pour améliorer la détection des vulnérabilités logicielles.

L'IA simplifie la création de diagrammes de classe, augmentant l'efficacité et la précision dans la conception de logiciels.

Cet article parle des récents développements pour améliorer l'efficacité des grands modèles de langage.

Une nouvelle méthode améliore la vitesse de test et la détection de défauts dans les programmes quantiques.

Une nouvelle méthode pour améliorer les tests de sécurité des véhicules autonomes grâce à des scénarios générés.

Une nouvelle méthode trouve des bugs de performance dans les frameworks DL de manière efficace.

Examiner les limites des grands modèles de langage dans la compréhension des relations de code.

RepoExec évalue les performances de génération de code au niveau du dépôt.

Un cadre améliore la génération de code pour des langages spécialisés en utilisant la documentation.