Articoli più recenti per Qualità del Codice

Usare modelli linguistici per migliorare l'efficienza e l'accuratezza della riparazione automatica dei programmi.

Questo strumento migliora la conversione del codice in Rust, concentrandosi sulla sicurezza e sulla leggibilità.

Un nuovo modo per migliorare il rilevamento dei clone di codice tra i progetti software.

Esplorando come i Modelli di Linguaggio Grandi stanno trasformando la risoluzione dei bug del software.

Questo studio esamina il ruolo dei LLM nel creare test oracoli efficaci per il software.

Questo studio valuta quanto bene i LLM possono identificare e classificare il debito tecnico.

Uno studio sulle performance di cinque strumenti di analisi statica per JavaScript.

Investigando l'efficacia dei modelli linguistici grandi nella traduzione di codice reale in Rust.

Gli strumenti automatizzati migliorano la qualità del codice e semplificano il processo di revisione.

Questo articolo sottolinea l'importanza di aggiornare i commenti nel codice per chiarezza.

Migliorare la capacità degli LLM di affinare il loro codice grazie a tecniche di auto-debugging.

Esaminando l'impatto delle API deprecate sui suggerimenti di codice LLM.

Affrontare le preoccupazioni sulla sicurezza del codice prodotto da grandi modelli di linguaggio.

Questo studio parla di come usare il machine learning per migliorare l'inferenza di tipo nei linguaggi di programmazione.

Questa ricerca si concentra sull'uso di agenti basati su LLM per una migliore manutenzione del software.

Questo studio valuta quanto bene GPT-3.5 e GPT-4 rilevano i cloni di codice.

Un metodo per garantire la correttezza del software attraverso un'analisi strutturata.

Questo studio esamina le motivazioni dei programmatori e le metriche per un refactoring del codice efficace.

Un nuovo framework valuta la difficoltà nei compiti di coding per i modelli di linguaggio di grandi dimensioni.

C3 migliora la chiarezza degli input dei test automatici per una migliore comprensione del codice.

L'analisi del codice statico aiuta gli sviluppatori a trovare problemi presto nello sviluppo del software.

Uno studio sull'uso dei LLM per identificare cloni di codice in diversi linguaggi.

Scopri come l'analisi statica migliora la qualità del software e becca gli errori in anticipo.

Questo articolo esplora i problemi dell'allucinazione del codice nei LLM e le loro implicazioni.

Impara modi efficaci per documentare il debito tecnico per migliorare la qualità del software.

CodeSift controlla il codice generato per la correttezza senza eseguirlo, aumentando la velocità di validazione.

PoTo migliora l'analisi statica per Python, aumentando la qualità del codice e l'inferenza dei tipi.

Un nuovo framework unisce ricerca di codice, generazione e riparazione per una programmazione più efficiente.

Questo studio mette in evidenza i rischi legati ai clone di codice e la loro gestione.

Il modello GPT-O1 mostra capacità di risoluzione dei problemi migliorate rispetto alle versioni precedenti.

Un nuovo metodo migliora i commenti delle recensioni automatiche del codice usando l'esperienza dei revisori.

Un nuovo sistema migliora l'accuratezza e l'efficienza della traduzione del codice usando agenti specializzati.

Questo articolo parla della comprensibilità del codice Java decompilato e del suo importanza.

Scopri come il refactoring può migliorare la struttura del software e gestire i rischi connessi.

Scopri come il refactoring del codice riduce la contaminazione dei dati nello sviluppo software.

Esplorare l'impatto del debito tecnico sui progetti software e sulla loro manutenzione.

Scopri come GOOD semplifica la programmazione e migliora la qualità del software.

Scopri come individuare e sistemare i problemi di sicurezza nel codice JavaScript.

Un nuovo approccio alla verifica del codice che unisce tecniche potenti.

Scopri come la verifica automatica del programma garantisce la correttezza del codice e previene problemi.