cs.SE」カテゴリーアーカイブ

LMRPA: Large Language Model-Driven Efficient Robotic Process Automation for OCR

要約 このペーパーでは、光学式文字認識 (OCR) タスクの効率と速度を大幅に向 … 続きを読む

カテゴリー: cs.DL, cs.HC, cs.RO, cs.SE | LMRPA: Large Language Model-Driven Efficient Robotic Process Automation for OCR はコメントを受け付けていません

DeepCRCEval: Revisiting the Evaluation of Code Review Comment Generation

要約 コード レビューはソフトウェア開発において不可欠ですが要求の厳しい側面であ … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SE | DeepCRCEval: Revisiting the Evaluation of Code Review Comment Generation はコメントを受け付けていません

How Well Do LLMs Generate Code for Different Application Domains? Benchmark and Evaluation

要約 最近では、コード LLM を利用した AI 主導のプログラミング アシスタ … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.SE | How Well Do LLMs Generate Code for Different Application Domains? Benchmark and Evaluation はコメントを受け付けていません

A Method for the Runtime Validation of AI-based Environment Perception in Automated Driving System

要約 環境認識は、自動運転システム (ADS) によって実行される動的運転タスク … 続きを読む

カテゴリー: cs.AI, cs.RO, cs.SE | A Method for the Runtime Validation of AI-based Environment Perception in Automated Driving System はコメントを受け付けていません

Benchmarking Generative AI Models for Deep Learning Test Input Generation

要約 テスト入力ジェネレーター (TIG) は、ディープラーニング (DL) 画 … 続きを読む

カテゴリー: cs.LG, cs.SE, D.2.5 | Benchmarking Generative AI Models for Deep Learning Test Input Generation はコメントを受け付けていません

RepoTransBench: A Real-World Benchmark for Repository-Level Code Translation

要約 リポジトリ レベルのコード変換とは、ソース リポジトリの機能を維持しながら … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.SE | RepoTransBench: A Real-World Benchmark for Repository-Level Code Translation はコメントを受け付けていません

System Safety Monitoring of Learned Components Using Temporal Metric Forecasting

要約 学習可能な自律システムでは、システムの動作コンテキストを考慮して、その出力 … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.RO, cs.SE | System Safety Monitoring of Learned Components Using Temporal Metric Forecasting はコメントを受け付けていません

Data Preparation for Fairness-Performance Trade-Offs: A Practitioner-Friendly Alternative?

要約 機械学習 (ML) システムの採用が業界全体で増えているため、公平性と偏見 … 続きを読む

カテゴリー: cs.LG, cs.SE | Data Preparation for Fairness-Performance Trade-Offs: A Practitioner-Friendly Alternative? はコメントを受け付けていません

Less is More: Towards Green Code Large Language Models via Unified Structural Pruning

要約 生成コーディング タスクにおける大規模言語モデル (LLM) の広範な適用 … 続きを読む

カテゴリー: cs.AI, cs.SE | Less is More: Towards Green Code Large Language Models via Unified Structural Pruning はコメントを受け付けていません

Trust Calibration in IDEs: Paving the Way for Widespread Adoption of AI Refactoring

要約 ソフトウェア業界では、新しい機能を追加する意欲が、既存のコードを改善する必 … 続きを読む

カテゴリー: cs.AI, cs.HC, cs.SE | Trust Calibration in IDEs: Paving the Way for Widespread Adoption of AI Refactoring はコメントを受け付けていません