software engineering | BriefGPT

关键词software engineering

搜索结果 - 111

深度学习软件故障预测的可复现性研究
分析软件工程领域的软件错误预测是否存在与其他机器学习领域相似的可复现性问题，发现大部分研究文章缺乏关键的复现元素，呼吁改进研究实践以确保基于机器学习的研究的可复现性。
PDF5 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
机器 / 深度学习软件工程研究中可解释性的系统文献综述
通过系统文献综述，本文旨在阐述在软件工程 (Software Engineering) 领域中提高人工智能模型可解释性的方法，并总结了已有研究的挑战和未来的研究方向。
PDF5 months ago
深度学习模型抑制过拟合的一种基于历史的方法
该研究提出了一种简单但功能强大的方法，通过训练历史（即验证损失）来同时检测和预防深度学习模型的过拟合，实现了优于现有方法的过拟合检测能力和预防效果。
PDF6 months ago
探索生成人工智能与软件开发的交集
探讨生成式人工智能技术如何在软件工程领域引发转变，介绍了其在项目管理、支持和更新等开发阶段的潜力，探索了零次启动、自洽性和多模式思维等技术在增强生成式人工智能模型中的独特能力，并强调了向量嵌入、上下文、插件、工具和代码助手在捕获语义信息和提
PDF6 months ago
使用大型语言模型构建测试用例的案例研究：揭示实践洞见与挑战
本文通过详细的案例研究，探讨了在软件工程背景下，应用大型语言模型（LLMs）构建测试用例的方法。通过定性和定量分析，评估了 LLMs 对测试用例全面性、准确性和效率的影响，并讨论了模型可解释性、伦理考虑和适应不同软件环境的挑战。本研究的结果
PDF6 months ago
打破沉默：使用大语言模型在软件工程中的威胁
大型语言模型在软件工程领域产生了广泛影响，但研究人员需要注意潜在的实验结果影响因素，包括封闭源模型、数据泄露以及 LLM 研究结果的可重复性等。本文提出了一套旨在解决这些问题的针对软件工程研究人员和语言模型提供者的指南，并通过现有的最佳实践
PDF7 months ago
LLMs 是否能配置软件工具
使用大型语言模型来改进软件配置过程，特别是在超参数配置方面，通过识别起始条件和缩小搜索空间，提高效率。在大量实验中发现，LLM 生成的响应的可变性以及基于领域特定关键词的一致行为，揭示了 LLM 在初始化过程和配置优化方面的潜力，但也强调了
PDF7 months ago
神经元修补：在代码生成和 LLMs 上进行神经元级模型编辑
大型语言模型在软件工程领域中成功应用，特别是在代码生成方面。本文提出了一种新颖有效的模型编辑方法（ extsc {MENT}），用于修补编程任务中的 LLMs。 extsc {MENT} 基于生成式 LLMs 的机制，在下一个标记预测中实
PDF7 months ago
用于代码生成和数据分析的科学语言模型
该研究报告关注大型语言模型在科学研究中的应用，调查了使用 LLM 工具的若干实际案例，特别是与软件工程相关的用例，结果显示了大型语言模型工具的潜力和问题。
PDF7 months ago
优化 IaC 配置：使用自然启发式计算的案例研究
基于自然启发计算的工具用于解决软件工程问题，介绍了 IaC Optimizer 平台的最终版本，其主要贡献以及实现决策，并展示了一个真实世界的用例。
PDF8 months ago
ChatGPT 能支持软件验证吗？
大型语言模型在软件工程任务中变得越来越有效，本文探讨了使用 ChatGPT 生成循环不变量来支持形式化软件验证的可行性，并通过对 106 个 C 程序进行实验验证了 ChatGPT 生成的循环不变量的有效性和实用性。
PDF8 months ago
用于 GitHub 存储库中的深度学习应用的软件工程：使用 SWEng 和 MLops 工具
深度学习软件工程 (SE4DL) 是在深度学习软件上应用软件工程 (SE) 实践的一个新领域，本研究调查了在应用 DL 项目中采用的常规 SE 工具和 MLOps 工具的使用情况，并发现常规 SE 工具的使用比 MLOps 工具更为普遍，进
PDF8 months ago
软件元数据的生成型人工智能：FIRE 2023 软件工程信息检索赛道综述
在软件工程中的信息检索（IRSE）领域，通过基于人类和大型语言模型生成的标签的机器学习框架，开发代码注释自动评估的解决方案。通过对开源 Github 上的 C 语言项目提取的 9048 个代码注释和周围代码片段对进行二分类任务，将注释分类为
PDF8 months ago
描述标签与术语描述的匹配
语义文本相似性在软件工程中具有重要作用，在工程师需要澄清描述性标签（例如，业务术语、表列名）的语义的任务中，这些标签通常由过于简短或过于通用的词组成，并在其信息技术系统中出现。我们将这种问题定义为将描述性标签与词汇表描述匹配的任务。然后，我
PDF8 months ago
利用大型语言模型增强遗传改造突变
通过评估大型语言模型在基因改进中作为突变操作的使用，我们发现基于大型语言模型的编辑补丁与标准插入编辑相比，单元测试通过的补丁数量高出 75％，补丁的多样性较低。虽然大量改进的补丁是通过大型语言模型增强的基因改进找到的，但最佳改进补丁是通过标
PDF9 months ago
SWE-bench：能否通过语言模型解决真实世界的 GitHub 问题？
评估了新一代语言模型在软件工程领域的能力，通过 SWE-bench 框架提供了包括软件工程问题和对应 Python 库的真实 GitHub 问题的解决方案，结果表明目前的模型在解决问题时仍存在困难，呼吁进一步提高模型在实际应用中的智能和自主
PDF9 months ago
用于代码的大型语言模型的程序测试能力
利用对最近的大型语言模型进行了代码测试的详尽分析，本研究展示了这些模型的一系列有趣性质，并展示了如何改进大型语言模型的程序测试能力，通过利用生成的测试用例来提高合成程序的质量，相较于 GPT-3.5-turbo 和最新的最先进技术，我们的方
PDF9 months ago
PeaTMOSS：开源软件中挖掘预训练模型
使用 PeaTMOSS 数据集，研究了深度学习模型在软件工程中的应用和挑战，该数据集包含大量预训练模型、开源软件仓库以及二者之间的映射。
PDF9 months ago
大语言模型时代的自动漏洞生成
草案提出了 BugFarm，用于将任意代码转化为多个复杂的错误。BugFarm 利用 LLM（语言模型）在多个位置（难以修复）突变代码。为了确保多个修改不会显着改变代码的表示，BugFarm 分析了底层模型的注意力，并指示 LLMs 仅更改
PDF9 months ago