github copilot | BriefGPT - AI 论文速递

关键词github copilot

搜索结果 - 16

改革软件开发：评估 GitHub Copilot 在现实项目中的效率和挑战
Generative AI technologies promise to transform the product development lifecycle, and this study evaluates the efficien
PDF11 days ago
GitHub Copilot：完美的代码补全器？
通过自动化的框架，评估 GitHub Copilot 在 LeetCode 问题集上生成的代码质量，以 Java、C ++、Python3 和 Rust 等四种编程语言评估 Copilot 在代码生成阶段的可靠性、生成的代码的正确性以及其对
PDF19 days ago
优化大型语言模型对 OpenAPI 代码补全的应用
该研究评估了 GitHub Copilot 在 OpenAPI 完成度方面的性能，并提出了一组针对任务的特定优化，利用了 Meta 的开源模型 Code Llama。该研究还提出了一种语义感知的 OpenAPI 完成度基准方法，并通过一系列
PDFa month ago
通过廉价高效的提示工程提升 GitHub Copilot 的基于 AI 的代码合成安全性
提出并评估了三种 Prompt 修改方法，并在实际场景中使用 OpenVPN 项目对 GitHub Copilot 的有效性进行了评估，结果表明这些方法可减少不安全的生成代码样本的数量高达 16％，增加安全代码的数量高达 8％。
PDF4 months ago
AutoDev：自动化 AI 驱动的开发
AutoDev 是一个全自动化的 AI 驱动的软件开发框架，旨在实现复杂软件工程任务的自主规划和执行，通过自动化的方式执行任务并确保安全和用户控制的开发环境。
PDF4 months ago
人工智能工具对澳新银行工程的影响 —— 关于 GitHub Copilot 在企业环境中的实证研究
在 ANZ 银行的软件工程实践中，探索了将人工智能工具集成到软件工程中的方法。通过使用 GitHub Copilot 进行实验，并在大规模使用中观察了其对生产力、代码质量以及安全性的影响，结果表明 GitHub Copilot 在大规模软件
PDF5 months ago
Copilot 优化：解决 Copilot 生成的 Python 代码中的代码异味
Python 编程中，GitHub Copilot 等人工智能工具在检测和修复代码异味方面具备一定的潜力，但对于 Copilot 生成的 Python 代码中存在的代码异味及其修复效果还需进一步研究。
PDF5 months ago
利用增强学习和语义奖励的 LLM 驱动代码漏洞修复
我们引入了一种多用途的代码漏洞分析系统 SecRepair，由一个大型语言模型 CodeGen2 提供支持，帮助开发人员识别和生成修复后的代码，并附带一个完整的漏洞描述和代码评论。我们的创新方法利用增强学习范式来生成由语义奖励机制增强的代码
PDF6 months ago
MM评估 OpenAI Codex 在 HPC 并行编程模型内核生成方面的表现
本文通过使用 AI 辅助生成能力和 GitHub Copilot 生成的不同语言（C++，Fortran，Python 和 Julia）的高性能计算的基本数值内核代码，提出了一种衡量模型和编程模型之间关系的 “熟练度度量标准”，研究结果显示
PDFa year ago
对新手程序员使用 Copilot 的可用性和交互的研究
近年来，深度学习的最新发展已经产生了从自然语言和代码提示中生成源代码的代码生成模型，在课堂上，学习编程的新手现在可以使用免费工具自动建议编程练习和作业的解决方案，然而，目前尚不清楚新手如何与这些工具实际交互。本文通过观察和采访初学者，研究了
PDFa year ago
软件开发教育中的生成式人工智能助手
本研究探讨运用生成式 AI 助手在软件开发中的应用，以 GitHub Copilot 和 ChatGPT 为例，纳入领域专家面谈以了解业界现状和挑战，进一步提出未来的软件开发教育建议。
PDFa year ago
针对黑盒代码生成模型的安全漏洞自动发现方法
本文提出了第一种自动发现黑盒生成模型中安全漏洞的方法，并基于少量提示提出了新颖的黑盒逆转方法。通过对高风险安全弱点的代码生成模型进行研究，我们展示了我们的方法可以自动系统地发现各种代码生成模型中的上千个安全漏洞，包括商业黑盒模型 GitHu
PDFa year ago
与 Copilot 交流：探索使用自然语言解决 CS1 问题的 Prompt Engineering
我们在 166 个编程问题的公开数据集上评估了 GitHub Copilot 的性能，发现它能够在第一次尝试中成功解决约一半的问题，并且仅使用问题描述自然语言的变化即可解决剩余 60％的问题；我们认为这种类型的提示工程是一种提高计算思维能力
PDF2 years ago
MM神经代码自动补全的生产力评估
本研究对使用 GitHub Copilot 的用户进行了调查，并研究了其对程序员生产率的影响，发现显示建议被接受的速率是开发人员感知到的生产率的驱动因素。
PDF2 years ago
WWWCoProtector: 用数据污染保护开源代码免受未经授权的训练使用
本文提出了一种名为 CoProtector 的数据 Poisoning 技术，通过给源代码库武装来防御深度学习模型对开放源代码的滥用，实验证明 CoProtector 能有效实现其目的，显著降低了类 Copilot 的深度学习模型的性能，并
PDF3 years ago
GitHub Copilot 代码贡献的安全性评估
通过对 AI 程序员 GitHub Copilot 生成代码中的高危漏洞相关场景的系统研究，我们发现了 40% 的代码是存在漏洞的，这造成了对代码安全性的重大担忧。
PDF3 years ago