Informatica - Ingegneria del software

Un nuovo modo per migliorare il fuzzing basato su generatori concentrandosi sui tipi di dati.

Una guida per trasformare codice Python non idiomatico usando tecniche moderne.

Scopri le tecniche di fuzzing per migliorare la sicurezza delle applicazioni web.

StackSight trasforma WebAssembly in codice C++ leggibile usando tecniche di intelligenza artificiale.

Nuovi algoritmi migliorano la velocità e l'accuratezza nella selezione delle caratteristiche nei modelli statistici.

La validazione e la verifica anticipata garantiscono che i sistemi soddisfino le esigenze e riducano al minimo errori costosi.

Un nuovo metodo valuta automaticamente l'affidabilità delle previsioni dell'IA.

Esplorando metodi per una classificazione multi-etichetta efficace nello sviluppo software.

Una nuova metrica per valutare quanto sia difficile compilare i linguaggi di programmazione.

Usare l'IA per automatizzare la vettorizzazione, migliorando l'efficienza e la correttezza del codice.

Un nuovo framework migliora la creazione dei messaggi di commit tramite automazione.

Esplorando come i dispositivi possono collaborare per una migliore efficienza e prestazioni.

Esplora strategie per garantire la qualità del software in ambienti di sviluppo collaborativo aperto.

Una panoramica del testing metamorfico e il suo ruolo nella qualità del software.

Questo studio valuta come GPT-4 aiuta nelle attività di reverse engineering.

M2CVD migliora la rilevazione delle vulnerabilità del software grazie a approcci collaborativi nei modelli.

Un approccio innovativo migliora la rilevazione delle vulnerabilità nella sicurezza del software usando modelli avanzati.

Un nuovo benchmark per valutare i LLM per i compiti di programmazione in Java.

Un nuovo metodo migliora i modelli di linguaggio del codice tramite casi di test efficaci e apprendimento delle preferenze.

Questo documento presenta un metodo per garantire la qualità nel codice generato da LLM.

I progressi nel computing quantistico richiedono test e debug efficaci per un software affidabile.

Questa ricerca si concentra su come viene misurata e riportata la qualità del TDD.

LogBatcher semplifica l'analisi dei log usando modelli linguistici grandi senza bisogno di addestramento precedente.

Scopri come la modellazione ecologica aiuta ad affrontare le sfide ambientali.

Questo articolo parla dei rischi delle allucinazioni nei pacchetti nei modelli che generano codice.

Un nuovo metodo migliora i LLM per generare codice UI di alta qualità.

Usare modelli linguistici per migliorare il rilevamento dei bug nel software e l'efficienza dei test.

Un nuovo benchmark testa la capacità dei LLM di trovare vulnerabilità nel software.

LUNAR semplifica il parsing dei log senza bisogno di dati etichettati, migliorando l'accuratezza e l'efficienza.

Nuovo framework migliora il completamento del codice catturando conoscenze specifiche del repository.

Uno sguardo alle vulnerabilità e alle soluzioni per i sistemi di deep learning.

Combinare il fuzzing e i modelli linguistici per migliorare l'efficienza dei test software.

DafnyBench fa il benchmark degli strumenti di verifica del software, aprendo la strada a una programmazione affidabile.

Uno sguardo a come i LLM affrontano le sfide di programmazione per esempio.

Testare i LLM è fondamentale per avere applicazioni di intelligenza artificiale sicure ed efficaci.

Un nuovo strumento migliora l'analisi statica con grafici semplificati e machine learning.

Un nuovo approccio migliora l'affidabilità dei test per le librerie di deep learning.

Scopri come i data center misurano e riportano le loro emissioni di carbonio in modo efficace.

AlabOS semplifica i flussi di lavoro per i laboratori automatizzati, migliorando l'efficienza nella ricerca sui materiali.

I grandi modelli linguistici migliorano il testing differenziale nello sviluppo software.