通过综合评估，我们发现 GPT-4V 在将视觉设计转换为代码实现的任务中表现最佳，其生成的网页在视觉外观和内容方面可以替代原始参考网页的 49％，并且在 64％的情况下被认为比原始参考网页更好。

Mar, 2024

使用 Transformer-based 代码模型，提出完全自动化的测试框架，能够生成可编译和可读的单元测试，可以补充搜索 - based 测试生成的测试，并且能够覆盖开发人员编写测试中未覆盖的代码行。

Aug, 2023

使用大型语言模型的代码代理在形式化用户问题为测试用例方面具有重要能力，并且在生成相关测试用例方面表现出众，尤其是在代码修复方面，生成的测试用例是提出代码修复的一个有效过滤器。

Jun, 2024

我们提出了一种基于大型语言模型的自动测试用例生成方法，证明它们是衡量学生知识的良好指标，使用了一个包含学生编写的 Java 代码的公开数据集，并讨论了以测试用例帮助学生为中心的未来研究方向。

Feb, 2024

本文研究了在 IDE 中使用机器学习代码生成 / 检索技术对开发工作流程和体验产生的影响，设计了一款混合代码生成和检索的插件，并通过用户测试发现虽然开发者的体验得到了改善，但是对于提高生产率、代码质量和程序正确性等方面的具体效果并不确定，同时分析了需要改进的地方和开发者偏好。

Jan, 2021

本文针对包含机器学习组件的自动驾驶系统，提出了一个测试框架，利用测试用例生成和自动实现方法进行评估，并演示了如何使用覆盖数组等测试用例生成方法以及需求实现方法来自动识别问题情景，从而提高自动驾驶系统的可靠性。

Apr, 2018

本文探究了现有代码生成系统中基于大型语言模型的偏见在特定情况下可能泄漏到生成代码中的问题，提出了一种自动消除提示并暴露各种偏见的框架，并将其应用于三个编码挑战中测试，发现代码生成模型存在特定提示结构和关键字的偏见，最后，我们展示了如何将我们的框架作为数据转换技术，这是更强大的代码生成方向。

Oct, 2022

使用人工智能技术基于需求半自动生成软件架构候选方案，并通过定量分析和架构权衡分析方法进行自动评估和交叉分析，以提高生成架构模型的质量、效率和有效性。

Jan, 2024

提出了一种自动化测试生成的框架，利用历史电信网络数据训练时间序列生成模型来生成测试案例输入数据，并结合自然语言编写的测试描述生成测试脚本，从而有效地生成全面的测试案例数据输入和有用的测试代码。

Apr, 2024

该研究首次将 Transformer 应用于 SKILL 代码自动完成以提高硬件设计工程师的生产力，提出了一种数据高效的生成 SKILL 代码的新方法，并通过实验证实。

Dec, 2023