PulseAugur
中
实时 12:11:02
English(EN) SemaDiff: Identifying Semantic-Changing Commits with Generated Code and Tests

SemaDiff 使用 LLM 识别语义变更的代码提交

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 SemaDiff，一种区分软件开发中语义保持和语义变更提交的新方法。该方法通过比较代码提交前后版本的测试执行来进行基于行为的分析。为了确保测试的一致性，SemaDiff 使用大型语言模型为修改后的代码生成额外的调用方法和测试，仅当所有生成的测试在不同版本中产生相同的结果时，才将提交归类为语义保持。在对开源 Java 项目的评估中，SemaDiff 以 76% 的准确率准确识别了语义保持与变更的提交，在检测语义变更提交方面达到了 100% 的精确率。 AI

影响 通过提高识别代码变更的准确性，增强了代码库分析和调试能力。

排序理由 该集群包含一篇详细介绍软件工程新方法的论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

SemaDiff 使用 LLM 识别语义变更的代码提交

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Maha Ayub, Michael Konstantinou, Ahmed Khanfir, Nikolaos Tsantalis, Mike Papadakis ·

    SemaDiff：通过生成的代码和测试识别语义变更提交

    arXiv:2607.13111v1 Announce Type: cross Abstract: Distinguishing semantic-preserving commits from changing ones remains an open challenge in software repository mining. While existing approaches detect refactoring commits accurately, they cannot ensure that a commit is purely sem…

相关实体

相关话题