Jie M. Zhang

Este paper avalia a eficiência do código gerado por vários modelos.

Um estudo sobre o compartilhamento, manutenção e qualidade dos artefatos de pesquisa em software.

AID usa LLMs e testes diferenciais pra melhorar a detecção de bugs em software.

Uma nova abordagem melhora o desempenho do código gerado por modelos de linguagem grandes.

Esse estudo avalia como LLMs podem melhorar o teste de mutação no desenvolvimento de software.

Estudo revela como código defeituoso afeta a qualidade dos casos de teste de LLMs.

Explorando a relação entre traços de personalidade e a eficácia na geração de código usando LLMs.

Um novo framework tem como objetivo descobrir preconceitos em cenários de interpretação de papéis de modelos de linguagem.

Aprenda como a mutação de entrada pode melhorar a justiça em sistemas de aprendizado de máquina.