論文の概要: Enhancing Code Quality with Generative AI: Boosting Developer Warning Compliance

• arxiv url: http://arxiv.org/abs/2505.11677v1
• Date: Fri, 16 May 2025 20:26:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:10.776444
• Title: Enhancing Code Quality with Generative AI: Boosting Developer Warning Compliance
• Title（参考訳）: ジェネレーティブAIによるコード品質向上 - 開発者の警告コンプライアンス向上
• Authors: Hansen Chang, Christian DeLozier,
• Abstract要約: 警告はより大きな問題を示す場合もあるが、プログラマは、一見重要でない警告が脆弱性にどのように成長するかを理解していない場合もある。 これらのメッセージは長く、混乱する傾向にあるため、プログラマは、容易に識別可能な問題を起こさなければ無視する傾向がある。 大きな言語モデルは、これらの警告を単純化し、重要な警告の重力を説明し、警告を修正することで開発者のコンプライアンスを高める潜在的な修正を提案する。
• 参考スコア（独自算出の注目度）: 0.17495213911983415
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Programmers have long ignored warnings, especially those generated by static analysis tools, due to the potential for false-positives. In some cases, warnings may be indicative of larger issues, but programmers may not understand how a seemingly unimportant warning can grow into a vulnerability. Because these messages tend to be long and confusing, programmers tend to ignore them if they do not cause readily identifiable issues. Large language models can simplify these warnings, explain the gravity of important warnings, and suggest potential fixes to increase developer compliance with fixing warnings.
• Abstract（参考訳）: プログラマは、特に静的解析ツールによって生成された警告を長い間無視してきた。 警告はより大きな問題を示す場合もあるが、プログラマは、一見重要でない警告が脆弱性にどのように成長するかを理解していない場合もある。 これらのメッセージは長く、混乱する傾向にあるため、プログラマは、容易に識別可能な問題を起こさなければ無視する傾向がある。 大きな言語モデルは、これらの警告を単純化し、重要な警告の重力を説明し、警告を修正することで開発者のコンプライアンスを高める潜在的な修正を提案する。

関連論文リスト

• CodeAttack: Revealing Safety Generalization Challenges of Large Language Models via Code Completion [117.178835165855]
  本稿では,自然言語入力をコード入力に変換するフレームワークであるCodeAttackを紹介する。 我々の研究は、コード入力に対するこれらのモデルの新たな、普遍的な安全性の脆弱性を明らかにした。 CodeAttackと自然言語の分布ギャップが大きくなると、安全性の一般化が弱くなる。
  論文  参考訳（メタデータ） (2024-03-12T17:55:38Z)
• Quieting the Static: A Study of Static Analysis Alert Suppressions [7.324969824727792]
  我々は、FinderbugsやSpotbugsを使って、設定やソースコードのアノテーションを警告する1,425のオープンソースプロジェクトについて検討する。 ほとんどの警告は抑制されているが、一部の警告は頻繁に抑圧されている。 発見は、静的解析ツールの使用に関するコミュニケーションと教育の改善の必要性を浮き彫りにする。
  論文  参考訳（メタデータ） (2023-11-13T17:16:25Z)
• Multilingual Jailbreak Challenges in Large Language Models [96.74878032417054]
  本研究では,大規模言語モデル(LLM)における多言語ジェイルブレイク問題の存在を明らかにする。 我々は、意図しないシナリオと意図的なシナリオの2つを考えます。 安全な微調整のための多言語学習データを自動的に生成する新しいtextscSelf-Defense フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-10T09:44:06Z)
• ACWRecommender: A Tool for Validating Actionable Warnings with Weak Supervision [10.040337069728569]
  静的解析ツールは潜在的なバグを見つけるために開発者の間で人気を集めているが、その広く採用されていることは、偽のアラーム率の高さによって妨げられている。 従来の研究は、行動警告の概念を提案し、行動警告と誤警報を区別するために機械学習手法を適用した。 本稿では,ACWRecommenderと呼ばれる2段階のフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-18T12:35:28Z)
• 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)
• Tracking the Evolution of Static Code Warnings: the State-of-the-Art and a Better Approach [18.350023994564904]
  静的バグ検出ツールは、悪いプログラミングプラクティスや潜在的な欠陥など、開発者がコード内の問題を検出するのに役立つ。 最近のソフトウェア開発において、コードレビューや継続的統合のような静的バグ検出を統合しようとする動きは、報告された警告を即時に修正する動機付けをより良くしている。
  論文  参考訳（メタデータ） (2022-10-06T03:02:32Z)
• Learning to Reduce False Positives in Analytic Bug Detectors [12.733531603080674]
  偽陽性のバグ警告を識別するためのトランスフォーマーに基づく学習手法を提案する。 我々は,静的解析の精度を17.5%向上させることができることを示した。
  論文  参考訳（メタデータ） (2022-03-08T04:26:26Z)
• Sample-Efficient Safety Assurances using Conformal Prediction [57.92013073974406]
  早期警戒システムは、安全でない状況が差し迫ったときに警告を提供することができる。 安全性を確実に向上させるためには、これらの警告システムは証明可能な偽陰性率を持つべきである。 本稿では,共形予測と呼ばれる統計的推論手法とロボット・環境力学シミュレータを組み合わせたフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-28T23:00:30Z)
• Assessing Validity of Static Analysis Warnings using Ensemble Learning [4.05739885420409]
  静的分析(SA)ツールは、コードの潜在的な弱点を特定し、事前に修正するために使われ、コードが開発中である。 これらのルールベースの静的解析ツールは一般的に、実際のものとともに多くの誤った警告を報告します。 機械学習(ML)ベースの学習プロセスを提案し、ソースコード、履歴コミットデータ、および分類器アンサンブルを使用してTrue警告を優先します。
  論文  参考訳（メタデータ） (2021-04-21T19:39:20Z)

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。