Fugu-MT 論文翻訳(概要): Love, Joy, Anger, Sadness, Fear, and Surprise: SE Needs Special Kinds of AI: A Case Study on Text Mining and SE

論文の概要: Love, Joy, Anger, Sadness, Fear, and Surprise: SE Needs Special Kinds of AI: A Case Study on Text Mining and SE

arxiv url: http://arxiv.org/abs/2004.11005v1
Date: Thu, 23 Apr 2020 07:11:12 GMT
ステータス: 処理完了
システム内更新日: 2022-12-10 09:21:18.199442
Title: Love, Joy, Anger, Sadness, Fear, and Surprise: SE Needs Special Kinds of AI: A Case Study on Text Mining and SE
Title（参考訳）: 愛, 喜び, 悲しみ, 恐怖, サプライズ: SEはAIの特別な種類を必要としている: テキストマイニングとSEのケーススタディ
Authors: Nicole Novielli, Fabio Calefato, Filippo Lanubile
Abstract要約: コーダーの大規模なチームのムードを監視することは可能か? どんなコードが開発者を最も幸せにしますか? 何が彼らを最も怒らせるのか?
参考スコア（独自算出の注目度）: 14.925872935541078
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Do you like your code? What kind of code makes developers happiest? What makes them angriest? Is it possible to monitor the mood of a large team of coders to determine when and where a codebase needs additional help?
Abstract（参考訳）: あなたは自分のコードが好きですか。開発者が最も幸せになるコードは何ですか? なぜ最も怒っているのか? コードベースがいつ、どこで助けが必要なのかを判断するために、コーダの大規模なチームのムードを監視することは可能でしょうか?

関連論文リスト

RedCode: Risky Code Execution and Generation Benchmark for Code Agents [50.81206098588923]
RedCodeはリスクの高いコード実行と生成のためのベンチマークである。 RedCode-Execは、危険なコード実行につながる可能性のある、挑戦的なプロンプトを提供する。 RedCode-Genは160のプロンプトに関数シグネチャとドキュメントを入力として提供し、コードエージェントが命令に従うかどうかを評価する。
論文参考訳（メタデータ） (2024-11-12T13:30:06Z)
Understanding Code Understandability Improvements in Code Reviews [79.16476505761582]
GitHub上のJavaオープンソースプロジェクトからの2,401のコードレビューコメントを分析した。改善提案の83.9%が承認され、統合され、1%未満が後に復活した。
論文参考訳（メタデータ） (2024-10-29T12:21:23Z)
Saltzer & Schroeder for 2030: Security engineering principles in a world of AI [11.956866199691305]
私たちはSaltzer & Schroederのセキュリティ設計原則を振り返って、AI生成コードの世界にまつわる課題を進化させ、適応する必要があります。コード生成AIツールのさらなる採用を期待しています。本稿では、AI生成コードの世界で生じる課題を進化させ、適応する必要があるため、Saltzer & Schroeder氏のセキュリティ設計原則を振り返る。
論文参考訳（メタデータ） (2024-07-08T08:10:18Z)
CodeCloak: A Method for Evaluating and Mitigating Code Leakage by LLM Code Assistants [22.342331134131744]
CodeCloakは、コードアシスタントサービスに送信する前にプロンプトを操作する、新しいディープ強化学習エージェントである。 CodeCloakは、次の2つの矛盾した目標を達成することを目指している。
論文参考訳（メタデータ） (2024-04-13T19:30:58Z)
Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
論文参考訳（メタデータ） (2023-02-14T18:43:34Z)
Tackling Long Code Search with Splitting, Encoding, and Aggregating [67.02322603435628]
長いコード検索のための新しいベースラインSEA(Split, Encode, Aggregate)を提案する。長いコードをコードブロックに分割し、これらのブロックを埋め込みにエンコードし、それらを集約して包括的な長いコード表現を得る。エンコーダとしてGraphCodeBERTを使用すると、SEAはコードSearchNetベンチマークでGraphCodeBERTよりも10.1%高い0.785という総合的な平均逆ランキングスコアを達成する。
論文参考訳（メタデータ） (2022-08-24T02:27:30Z)
Morphing quantum codes [77.34726150561087]
我々は15キュービットのReed-Muller符号を変形し、フォールトトレラントな論理的な$T$ゲートを持つ最小の安定化器符号を得る。色符号を変形させることにより、ハイブリッドな色履歴符号の族を構築する。
論文参考訳（メタデータ） (2021-12-02T17:43:00Z)
DeSkew-LSH based Code-to-Code Recommendation Engine [3.7011129410662558]
ソースコード上の機械学習のための新しいコード・ツー・コードレコメンデーションエンジンであるemphSenatusを紹介する。 SenatusのコアとなるemphDe-Skew LSHは、ローカリティに敏感なハッシュアルゴリズムで、高速(サブ線形時間)検索のためにデータをインデックスする。コード・ツー・コード・レコメンデーションのタスクにおいて、Senatusはパフォーマンスを6.7%向上し、クエリ時間16xはFacebook Aromaよりも高速であることを示す。
論文参考訳（メタデータ） (2021-11-05T16:56:28Z)
COSEA: Convolutional Code Search with Layer-wise Attention [90.35777733464354]
我々は、畳み込みニューラルネットワークを階層的注意で活用し、コード固有の構造論理をキャプチャする新しいディープラーニングアーキテクチャ、COSEAを提案する。 COSEAは、コード検索タスクの最先端メソッドよりも大幅に改善できる。
論文参考訳（メタデータ） (2020-10-19T13:53:38Z)
Predicting Vulnerability In Large Codebases With Deep Code Representation [6.357681017646283]
ソフトウェアエンジニアは様々なモジュールのコードを書きます。過去に(異なるモジュールで)修正された同様の問題やバグも、本番コードで再び導入される傾向にある。ソースコードから生成した抽象構文木(AST)の深部表現とアクティブフィードバックループを用いた,AIに基づく新しいシステムを開発した。
論文参考訳（メタデータ） (2020-04-24T13:18:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。