論文の概要: Measuring the Runtime Performance of C++ Code Written by Humans using GitHub Copilot

• arxiv url: http://arxiv.org/abs/2305.06439v2
• Date: Wed, 11 Dec 2024 21:52:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-13 13:29:46.087353
• Title: Measuring the Runtime Performance of C++ Code Written by Humans using GitHub Copilot
• Title（参考訳）: GitHub Copilotを使って人間が書いたC++コードの実行時パフォーマンスを測定する
• Authors: Daniel Erhabor, Sreeharsha Udayashankar, Meiyappan Nagappan, Samer Al-Kiswany,
• Abstract要約: 開発者がGitHub Copilotを使用する場合と、そうでない場合とで生成されたC++コードのランタイムパフォーマンスを評価します。 結果から,Copilotは(統計的に重要な)実行時のパフォーマンスが遅いC++コードを生成する可能性が示唆された。
• 参考スコア（独自算出の注目度）: 1.4665528337423246
• License:
• Abstract: GitHub Copilot is an artificially intelligent programming assistant used by many developers. While a few studies have evaluated the security risks of using Copilot, there has not been any study to show if it aids developers in producing code with better runtime performance. We evaluate the runtime performance of C++ code produced when developers use GitHub Copilot versus when they do not. To this end, we conducted a user study with 32 participants where each participant solved two C++ programming problems, one with Copilot and the other without it and measured the runtime performance of the participants' solutions on our test data. Our results suggest that using Copilot may produce C++ code with (statistically significant) slower runtime performance.
• Abstract（参考訳）: GitHub Copilotは、多くの開発者が使用している、人工的にインテリジェントなプログラミングアシスタントである。 Copilotを使用する際のセキュリティリスクはいくつかの研究で評価されているが、開発者がより優れたランタイムパフォーマンスでコードを生成するのに役立つかどうかを示す研究は行われていない。 開発者がGitHub Copilotを使用する場合と、そうでない場合とで生成されたC++コードのランタイムパフォーマンスを評価します。 そこで我々は,32人の参加者を対象に,CopilotとCopilotの2つのC++プログラミング問題を解き,テストデータ上での参加者のソリューションの実行時性能を測定した。 結果から,Copilotは(統計的に重要な)実行時のパフォーマンスが遅いC++コードを生成する可能性が示唆された。

関連論文リスト

• WHALES: A Multi-agent Scheduling Dataset for Enhanced Cooperation in Autonomous Driving [54.365702251769456]
  我々は、駆動シーケンス当たり平均8.4エージェントのデータセットを提示する。 自律運転データセットの中で最大のエージェントと視点を提供するだけでなく、WHALESはエージェントの振る舞いを記録する。 エージェントスケジューリングタスクにおいて,エゴエージェントが複数の候補エージェントの1つを選択して協調する実験を行う。
  論文  参考訳（メタデータ） (2024-11-20T14:12:34Z)
• Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
  Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。 Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
  論文  参考訳（メタデータ） (2024-10-02T09:11:10Z)
• GitHub Copilot: the perfect Code compLeeter? [3.708656266586145]
  本稿では,GitHub Copilotが生成するコード品質をLeetCode問題セットに基づいて評価することを目的とする。 我々は、コード生成段階でのCopilotの信頼性、生成したコードの正確性、およびプログラミング言語への依存性を評価する。
  論文  参考訳（メタデータ） (2024-06-17T08:38:29Z)
• Impact of the Availability of ChatGPT on Software Development: A Synthetic Difference in Differences Estimation using GitHub Data [49.1574468325115]
  ChatGPTは、ソフトウェア生産効率を向上させるAIツールである。 10万人あたりのgitプッシュ数、リポジトリ数、ユニークな開発者数に対するChatGPTの影響を見積もっています。 これらの結果は、ChatGPTのようなAIツールが開発者の生産性を大幅に向上させる可能性があることを示唆している。
  論文  参考訳（メタデータ） (2024-06-16T19:11:15Z)
• Exploring the Effect of Multiple Natural Languages on Code Suggestion Using GitHub Copilot [46.822148186169144]
  GitHub Copilotは、プログラム合成を自動化するAI対応ツールである。 最近の研究では、様々なプログラミングタスクにおけるCopilotの能力について広く研究されている。 しかし、異なる自然言語がコード提案に与える影響についてはほとんど分かっていない。
  論文  参考訳（メタデータ） (2024-02-02T14:30:02Z)
• Exploring the Problems, their Causes and Solutions of AI Pair Programming: A Study on GitHub and Stack Overflow [6.724815667295355]
  AIプログラマペアであるGitHub Copilotは、コードスニペットの大規模なコーパスでトレーニングされた機械学習モデルを使用して、コード提案を生成する。 ソフトウェア開発で人気があるにもかかわらず、Copilotと仕事をする実践者の実際の経験に関する実証的な証拠は限られている。 473のGitHubイシュー、706のGitHubディスカッション、142のStack Overflowポストからデータを収集しました。
  論文  参考訳（メタデータ） (2023-11-02T06:24:38Z)
• Demystifying Practices, Challenges and Expected Features of Using GitHub Copilot [3.655281304961642]
  Stack Overflow(SO)とGitHubの議論からデータを収集し分析することで、実証的研究を行った。 私たちは、Copilotで使用されるプログラミング言語、技術、実装された関数、利点、制限、そしてCopilotを使用する際の課題を特定しました。 以上の結果から,Copilotの使用は二重刃の剣のようなもので,使用するかどうかを判断する際には,さまざまな側面を慎重に検討する必要があることが示唆された。
  論文  参考訳（メタデータ） (2023-09-11T16:39:37Z)
• Collaborative, Code-Proximal Dynamic Software Visualization within Code Editors [55.57032418885258]
  本稿では,コードエディタに組み込むソフトウェアビジュアライゼーション手法の設計と実装について紹介する。 私たちのコントリビューションは、ソフトウェアシステムの実行時の動作の動的解析を使用するという点で、関連する作業と異なります。 私たちの視覚化アプローチは、一般的なリモートペアプログラミングツールを強化し、共有コード都市を利用することで協調的に使用できます。
  論文  参考訳（メタデータ） (2023-08-30T06:35:40Z)
• GitHub Copilot AI pair programmer: Asset or Liability? [14.572381978575182]
  2つの異なるプログラミングタスクにおいて、Copilotの能力について検討する。 我々は、Copilotの提案したソリューションを、プログラミングタスクのセットにおける人間のプログラマのソリューションと比較する。 その結果、Copilotは、ほとんどすべての基本的なアルゴリズム問題に対するソリューションを提供することができることがわかった。
  論文  参考訳（メタデータ） (2022-06-30T15:00:03Z)
• Level 2 Autonomous Driving on a Single Device: Diving into the Devils of Openpilot [112.21008828205409]
  Comma.aiは、1台のカメラとボードを内蔵した999ドルのアフターマーケットデバイスがL2シナリオを処理する能力を持っていると主張している。 Comma.aiがリリースした全システムのオープンソースソフトウェアとともに、プロジェクトはOpenpilotと名付けられた。 このレポートでは、最新の知見を公開し、産業製品レベルでのエンドツーエンドの自動運転という、新たな視点について光を当てたいと思います。
  論文  参考訳（メタデータ） (2022-06-16T13:43:52Z)
• An Empirical Cybersecurity Evaluation of GitHub Copilot's Code Contributions [8.285068188878578]
  GitHub Copilotは、オープンソースのGitHubコードに基づいてトレーニングされた言語モデルである。 コードにはしばしばバグが含まれているため、言語モデルが悪用可能なバグの多いコードから学べることは確かです。 これにより、Copilotのコードコントリビューションのセキュリティに対する懸念が高まる。
  論文  参考訳（メタデータ） (2021-08-20T17:30:33Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。