Hongyu Zhang

新しい方法は、プロジェクト特有のコンテキストとコンパイラのフィードバックを活用してコード生成を強化するんだ。

LogSDは、稀なイベントに注目することでログデータの異常検出を改善する。

AIモデルのトレーニングにおけるコード使用の懸念を探る。

反実仮想推論は、コードの脆弱性を理解するのを助けるんだ。

AI生成コードにおける効果的なウォーターマーク手法。

この研究は、データの視覚化をもっと簡単にするために自然言語を使うことを見てるよ。

BAROはマイクロサービスシステムの問題を検出するための高度なソリューションを提供しているよ。

OptLLMは、予算やタスクに最適なLLMを選ぶのを手伝ってくれるよ。

革新的な方法で、LLM生成のパッチを使ってバグ修正の効率がアップ。

LogBatcherは、事前のトレーニングなしで大規模言語モデルを使ってログ解析を簡素化するよ。

マイクロサービスの根本原因分析における課題と進展を調べる。

大規模言語モデルは、クリエイティブな評価でコード要約の評価を強化する。

新しいフレームワークがユーザーとソフトウェアのセキュリティパッチ検出を改善したよ。

セグメント化ディープハッシングが開発者のコード取得をどう変えるかを発見しよう。

高度な手法が複雑なレシピの最適化を変えてるよ。

RCAEvalはマイクロサービスシステムの障害診断をより良くするためのツールを提供してるよ。