Informatique - Génie logiciel

Une étude comparant des modèles d'IA pour générer du code Java à partir de descriptions.

Une nouvelle méthode améliore la génération de code dans les modèles de langage en utilisant les retours de l'exécution du code.

Une nouvelle méthode améliore la génération de code pour des tâches de programmation complexes.

Un nouveau modèle améliore l'expérience utilisateur en suggérant des actions pertinentes dans l'automatisation des flux de travail.

Un aperçu des vulnérabilités des bibliothèques dans l'écosystème Swift et le besoin de mises à jour.

Le projet SKA met en avant une architecture logicielle complexe en radioastronomie.

PilaiPidi aide à trouver des problèmes de débordement de tampon dans les applications Java et C/C++.

Cet article examine comment les développeurs peuvent faire confiance aux outils d'IA pour coder.

Un aperçu de l'évolution des dépendances de bibliothèque dans l'écosystème de programmation Swift.

Un outil d'IA qui booste l'efficacité du codage avec des suggestions en temps réel.

Le fuzzing est super important pour dénicher des bugs dans des systèmes logiciels complexes.

Un nouveau fuzzer améliore la sécurité des applications web en automatisant la détection des vulnérabilités.

Apprends des étapes efficaces pour rédiger un article scientifique clair.

Une nouvelle méthode améliore l'analyse de la sécurité des protocoles pour une meilleure protection.

Cet article examine les défis de l'équité dans l'apprentissage automatique et les stratégies efficaces pour s'améliorer.

Cette étude se concentre sur la création d'environnements difficiles pour l'entraînement des agents DRL.

TransCoder propose une nouvelle stratégie pour améliorer la compréhension et la performance du code.

Une étude examine les invites de jailbreak utilisées pour contourner les restrictions des modèles de langage.

Une nouvelle technique transforme les tests UI en tests API efficaces.

NiCro facilite les tests d'applications mobiles sur différents appareils grâce à la reconnaissance d'images.

Ce cadre utilise des oracles pour améliorer la précision de la génération de code.

Une nouvelle méthode réduit le biais dans l'apprentissage automatique tout en maintenant la performance.

Une plongée dans la façon dont les scénarios critiques sont testés dans les systèmes de conduite autonome.

Une nouvelle méthode améliore la détection des correctifs de vulnérabilité dans les bibliothèques tierces.

Béryllium simplifie la recherche de code d'algorithmes avec des recherches en pseudo code.

Explorer des moyens d'automatiser la création et la configuration de logiciels pour répondre aux exigences de l'industrie.

Un nouvel outil aide les développeurs à créer des avis de confidentialité clairs pour les applications mobiles.

Un outil pour estimer la consommation d'énergie dans les systèmes embarqués pendant le développement.

Des tests ciblés peuvent améliorer la fiabilité des DNN et détecter les bugs plus efficacement.

Un regard sur les liens dans les messages de commit et leur impact sur le développement.

Des recherches montrent des facteurs clés dans l'impact du parsing de logs sur la précision de la détection d'anomalies.

Un nouveau système améliore la résolution des incidents grâce à une analyse automatique des causes profondes.

Explore les avantages de l'instrumentation automatique des programmes pour la vérification de la correction des logiciels.

Une étude examine comment les styles de documentation aident les nouveaux arrivants à comprendre l'architecture des logiciels.

Apprends comment l'auto-efficacité influence la performance des développeurs de logiciels et la dynamique d'équipe.

Cette étude examine le rôle des valeurs humaines dans l'ingénierie logicielle et l'expérience utilisateur.

Résumé efficace des posts Stack Overflow en utilisant des techniques d'apprentissage profond.

Examiner la confiance et l'éthique autour du protestware dans les logiciels open source.

Découvrez comment ART et LSH-ART améliorent l'efficacité des tests logiciels et la détection des défauts.

Une étude sur le modèle de sécurité sensible à la responsabilité pour les véhicules autonomes.