Do Mobile Developers Ask on Q&A Sites About Error Codes Thrown by a Cross-Platform App Development Framework? An Empirical Study
在过去的几年中，开发框架已经出现，使跨平台移动应用程序的开发和维护变得更加容易。Xamarin框架就是其中之一：它接受用C#编写的应用程序作为输入，并为Android，iOS和Windows Mobile平台生成本地代码。在使用Xamarin时，开发人员可能会遇到框架抛出的代码错误。不幸的是，Xamarin官方文档并没有提供所有这些代码的完整描述，解决方案或解决方案。本文分析了两个与Xamarin相关的问题和答案网站，以找到提到这些错误代码的问题。我们发现在这两个网站上都有开发人员写的关于Xamarin错误的问题，其中大多数至少有一个答案。我们的直觉是，这些发现的信息可能有助于为Xamarin开发人员提供支持。
2018-01-22 cs.SE
Multi-Platform Generative Development of Component & Connector Systems using Model and Code Libraries
基于组件的软件工程旨在通过重用已建立的组件作为复杂系统的构建块来减少软件开发工作。用通用程序设计语言定义组件限制了对支持这些语言的平台的重用，并使组件组合与实现细节复杂化。模型驱动工程的愿景是通过将抽象模型提升为主要开发工件并将其系统地转换为可执行系统来减少开发人员意图和实现细节之间的差距。对于足够复杂的系统，从抽象模型到特定于平台的实现的转换需要使用特定于平台的组件进行扩充。我们提出了一个模型驱动的机制，将平台无关的逻辑组件和连接器架构转换为特定于平台的实现结合模型和代码库。这种机制允许推迟对特定平台的承诺，从而增加软件架构和组件的重用。
2014-12-09 cs.SE
PLC-BinX: A Cross-Platform Binary Code Analysis Framework for PLC Binaries
Dalian University of Technology（大连理工大学）；Xi’an University of Posts and Telecommunications（西安邮电大学）
本文提出PLC-BinX，一种用于跨平台PLC二进制理解的二进制代码分析工作流，通过跨平台反向工程、核心函数提取和函数级语义表示构建，实现了对PLC二进制的深入理解，并在工具链预测和功能预测任务中取得了优异的性能。
2026-06-22 cs.SE
Development of a Web Platform for Code Peer-Testing
作为编程课程形成性和总结性评估的一部分，学生根据给定的规范开发编程工件。这些作品由教师进行评价。在评估结束时，学生会收到反馈和分数。提供关于编程工件的反馈是需要时间的，并且可能使反馈到达得太晚而不能有效地用于学生的学习。我们建议将软件测试与同行反馈相结合，这被称赞为提供了一个及时有效的学习活动与程序测试。在本文中，我们报告了一个Web平台的开发，通过程序测试的同行反馈的编程工件。我们讨论了我们的同行测试平台的开发过程中，教师和学生的通知。
2020-08-13 cs.SE
RevMine: An LLM-Assisted Tool for Code Review Mining and Analysis Across Git Platforms
École de technologie supérieure (ÉTS)（高等技术学院）；TELUS
针对代码评审数据挖掘耗时、技术门槛高的问题，提出LLM辅助工具RevMine，简化跨Git平台的评审数据收集与分析流程，降低研究门槛以推动实证软件工程研究。
2025-10-06 cs.SE
Developer Discussion Topics on the Adoption and Barriers of Low Code Software Development Platforms
低代码软件开发（LCSD）是一种新兴的方法，可以使来自不同背景的软件从业者的应用程序开发民主化。康文署平台以拖放界面和最少的手工编程促进快速应用程序开发。由于这是一个相对较新的模式，因此研究开发商在采用康文署平台时遇到的困难至关重要。软件工程师经常使用在线开发人员论坛Stack Overflow（SO）寻求技术问题的帮助。我们观察到，在统计处，与文康署有关的职位数目不断增加。本文提出了一个实证研究，约33 K SO职位包含38个流行的康文署平台的讨论。我们使用主题建模来确定这些帖子中讨论的主题。此外，我们还研究了这些主题如何分布在敏捷软件开发生存周期（SDLC）的各个阶段，以及LCSD的哪个部分最受欢迎和最具挑战性。我们的研究提供了几个有趣的发现。首先，我们找到40个LCSD主题，我们分为五个类别：应用程序定制，数据库和文件管理，平台采用，平台维护和第三方API集成。其次，虽然应用程序定制（30\%）和数据存储（25\%）\rev{topic}类别是最常见的，但与其他几个类别（例如，平台采用\rev{topic}类别）近年来获得了相当大的关注。第三，所有主题类别都在迅速发展，特别是在新冠肺炎大流行期间。这项研究的结果对所有三个LCSD利益相关者都有影响：LCSD平台供应商，LCSD开发人员/从业人员，研究人员和教育工作者。研究人员和LCSD平台供应商可以合作改进LCSD的不同方面，…
2022-09-02 cs.SE
CodeArena: A Collective Evaluation Platform for LLM Code Generation
Nanyang Technological University（南洋理工大学）；National University of Singapore（新加坡国立大学）；The University of Hong Kong（香港大学）；Monash University（莫纳什大学）；TikTok（抖音）
为解决LLM代码生成评估中的基准泄漏和数据耗散等问题，本文提出在线评估框架CodeArena，通过集体评估机制动态校准分数以缓解偏差，并提供开放代码库与自动化API，实现无偏、便捷的代码评估。
2026-10-30 cs.SE
Review of Tools for Zero-Code LLM Based Application Development
University of Washington（华盛顿大学）；SVKM's Narsee Monjee Institute of Management Studies（SVKM纳尔西·蒙吉管理研究所）
该综述梳理了基于LLM的零代码应用开发平台，按多维度构建分类体系，对比了专用与通用平台的优劣及权衡，指出其降低开发门槛但仍存灵活可靠性问题，并展望了未来发展方向。
2025-10-22 cs.SE
Stack Overflow: A Code Laundering Platform?
开发人员使用问答（Q&A）网站来交流知识和专业知识。Stack Overflow是一个流行的Q&A网站，开发人员在这里讨论编码问题并分享代码示例。虽然所有Stack Overflow帖子都可以免费访问，但Stack Overflow上的代码示例受Creative Commons Attribute-ShareAlike 3.0 Unported许可证的约束，开发人员在重用Stack Overflow的代码或将代码发布到Stack Overflow时应遵守该许可证。在本文中，我们对399个Android应用程序进行了案例研究，以调查开发人员在重用Stack Overflow帖子中的代码时是否尊重许可条款（反之亦然）。我们在数据集中的62个Android应用程序中发现了232个代码片段，这些代码片段可能会从Stack Overflow中重复使用，还有1，226个Stack Overflow帖子包含的代码示例是68个Android应用程序中发布的代码的克隆，这表明开发人员可能复制了这些应用程序的代码来回答Stack Overflow问题。我们调查了这些代码的许可证，并观察到1，279个潜在的许可证违规案例（与发布到堆栈溢出的代码或堆栈溢出的代码重用有关）。本文旨在提高软件工程社区对Stack Overflow等问答网站上潜在的不道德代码重用活动的认识。
2017-03-11 cs.SE
Personalized action suggestions in low-code automation platforms
针对低代码平台中操作搜索耗时的问题，提出一种基于用户统计数据端到端学习的个性化 transformer 模型，在每步推荐下一项操作，使 top-1 准确率提升 22%。
2023-05-17 cs.SE
Securely extending and running low-code applications with C#
本文面向公民开发者，研究并实现基于 C#、Roslyn 与 .NET 的低代码扩展、静态分析、调试和 Git 抽象工具，并通过威胁模型比较安全隔离执行方案。
2023-07-12 cs.SE
Copilot Arena: A Platform for Code LLM Evaluation in the Wild
针对代码大语言模型真实场景编码能力评估的难题，本文提出Copilot Arena平台，通过集成到开发者环境收集用户偏好，其包含对比界面、低延迟采样策略等，已生成450万条建议并收集11k成对判断，揭示了集成环境评估的重要性及模型排名差异等新见解。
2025-02-13 cs.SE
Leveraging Game-Based Platform to Teach Code Refactoring: An Experience with Refactoria
Stevens Institute of Technology（史蒂文斯理工学院）
本文通过课堂实验评估了基于游戏的工具 Refactoria 在教授代码重构和代码异味识别方面的效果，结果显示其感知有用性高，并能有效促进学生对重构概念的理解。
2026-10-01 cs.SE
PSASpotter: A Tool to Detect the Usage of Platform-Specific APIs in Python
UNINFO, IFPB（UNINFO, 巴西帕拉伊巴联邦大学）；DCC, UFMG（计算机科学学院, 米纳斯吉拉斯联邦大学）
研究问题为检测Python系统中特定平台API的使用情况。核心方法是使用PSASpotter工具。主要贡献是能识别API是否用于防御性代码，支持相关实证研究，其检测出的防御性代码含替代方案，为跨平台开发和测试提供见解。
2026-07-21 cs.SE
The IntelliJ Platform: a Framework for Building Plugins and Mining Software Data
在软件工程中，人们正在积极研究大量新的方法，并在此基础上开发了许多工具。这些工具需要一个框架来创建，并有机会被潜在的开发人员使用。现代IDE提供了这两种功能。在本文中，我们描述了IntelliJ平台的主要功能，这些功能可能对正在开发代码分析工具的研究人员有用。为了说明使用该平台的好处，我们描述了研究人员可能感兴趣的几个用例：挖掘软件数据、在代码上运行机器学习模型、推荐重构以及在IDE中可视化数据。我们提供了实现这些情况的现有插件的几个示例。最后，为了更容易开始使用平台，我们为每个用例开发并提供简单的插件，这些插件可以作为新项目的模板。
2021-10-01 cs.SE
Cross-Platform Games in Kotlin
这篇演示论文描述了一种使用Kotlin程序设计语言编写跨平台休闲游戏的简单实用方法。一个关键目标是让研究人员更容易展示他们的AI玩一系列游戏。纯Kotlin代码（不包括使用任何Java图形库）可以转换为JavaScript并在Web浏览器中运行。然而，编写无需修改即可在Web浏览器和JVM上运行的Kotlin代码并不简单;它需要严格遵守适当的方法。本文的贡献是提供这样一种方法，包括软件设计，并证明这种工作的俄罗斯方块，无论是由人工智能或人类。
2020-08-10 cs.SE
An Empirical Study of Developer Discussions on Low-Code Software Development Challenges
低代码软件开发（LCSD）是一种新兴的范式，它将最小的源代码与交互式图形界面相结合，以促进快速的应用程序开发。康文署的目标是让不同背景的软件从业员参与应用程序开发。鉴于康文署是一个相对较新的范例，了解开发商在采用康文署平台时面临的挑战至关重要。在线开发者论坛Stack Overflow（SO）在软件开发人员中很受欢迎，他们可以寻求技术问题的解决方案。我们观察到在SO中有越来越多的帖子讨论康文署的平台。在本文中，我们提出了一个实证研究约5K SO职位（问题+接受的答案），其中包含九个流行的康文署平台的讨论。我们在帖子上应用主题建模来确定讨论的主题类型。我们在SO中找到13个与LCSD相关的主题。这13个主题分为四个类别：定制、平台采用、数据库管理和第三方集成。超过40%的问题是关于定制的，即，开发人员经常面临定制由康文署平台提供的用户界面或服务的挑战。"自定义"类别下的"动态事件处理"主题是最受欢迎的（就该主题每个问题的平均查看次数而言），也是最困难的。这意味着开发人员经常搜索自定义解决方案，例如如何将动态事件附加到低代码UI中的表单，但他们的大多数问题（75.9%）仍然没有可接受的答案。我们从帖子中手动标记900个问题，以确定主题在康文署各阶段的挑战普遍性。我们发现大多数问题都与开发阶段有关，低代码开发人员也面临着自动化测试的挑战。
2021-03-21 cs.SE
Experimenting with Multi-Agent Software Development: Towards a Unified Platform
本文提出一个统一的多智能体软件开发平台，利用GPT-3.5、GPT-4和Llama3等模型将用户需求自动转化为用户故事、UML图、API、测试等交付物，并支持安全合规检查与阶段控制。
2024-06-08 cs.SE
Usability and Security Effects of Code Examples on Crypto APIs - CryptoExamples: A platform for free, minimal, complete and secure crypto examples
上下文：据说加密API不可用，研究人员建议在文档中添加示例代码。目的：我们希望为加密代码示例创建一个免费平台，以提高非安全专家创建的应用程序的可用性和安全性。方法：我们创建了开源网络平台CryptoExamples，并进行了一项受控实验，其中58名学生将对称加密添加到Java程序中。然后我们测量了可用性和安全性。结果如下：使用该平台的参与者不仅效率显著提高（+73%），而且他们的代码包含的安全漏洞也显著减少（-66%）。结论：通过CryptoExamples，可以弥合难以更改的API文档与完整安全的代码示例之间的差距。不过，该平台还需要更多的代码示例。
2018-07-03 cs.CR cs.SE
Analyzing the Context of Bug-Fixing Changes in the OpenStack Cloud Computing Platform
软件工程中的许多研究领域，如突变测试、自动修复、故障定位和故障注入，都依赖于有关重复性错误修复代码更改的经验知识。这一领域以前的研究集中在由于错误修复而发生的变化，例如代码编辑操作。然而，这些研究没有考虑错误修复的变化是在哪里进行的（即，改变的上下文），但是知道上下文可能潜在地缩小许多软件工程技术的搜索空间（例如，通过仅将突变集中在软件的特定部分）。此外，大多数以前的bug修复工作都集中在C和Java项目上，但几乎没有关于Python软件的经验证据。因此，在本文中，我们对三个OpenStack项目中的错误修复更改进行了全面的实证分析，重点关注更改的内容和位置。我们观察到，所有重复出现的更改模式都不会被周围的代码遗忘，而是往往发生在特定的代码上下文中。
2019-08-29 cs.SE
OS-Bench: Evaluating SWE Agents on Cross-OS Code Migration
Georgia Institute of Technology（佐治亚理工学院）；Microsoft（微软）
该研究针对跨OS代码迁移这一SWE智能体的薄弱环节，构建了含140个任务的OS-Bench基准，评估多款模型后发现其迁移成功率低，为提升平台感知SWE智能体提供了测试平台。
2026-10-14 cs.SE
Transforming Platform-Independent to Platform-Specific Component and Connector Software Architecture Models
将组件和连接器架构描述语言与组件行为建模语言相结合，可以独立于平台对软件架构的大部分进行建模。非平凡系统通常包含具有程序设计语言行为描述的组件，以与API接口。这些组件将完整的软件体系结构绑定到特定的平台，从而妨碍了重用。以前在多平台软件架构重用方面的工作要么需要特定于平台的手工制作，要么需要明确的平台模型。我们提出了一个自动化的方法来转换平台无关的，逻辑的软件架构到架构与平台特定的组件。这种方法将抽象组件引入到平台无关的体系结构中，并在代码生成之前使用特定于目标平台的组件来细化SE。因此，一个单一的逻辑软件架构模型可以重用多个目标平台，这增加了架构的成熟度，并减少了维护工作的多个类似的软件架构。
2015-11-17 cs.SE
Code Generator Composition for Model-Driven Engineering of Robotics Component & Connector Systems
用于机器人应用的工程软件需要多领域和特定于应用的解决方案。模型驱动工程和建模语言集成为开发专门的、可重用的机器人软件架构模型提供了方法。代码生成器将这些独立于平台的模型转换为特定于机器人平台的可执行代码。多领域应用的生成式软件工程不仅需要集成建模语言，还需要集成验证机制和代码生成器。在本文中，我们勾勒出一个概念模型的代码生成器组成，并显示了一个实例，这个模型中的MontiArc自动机框架。MontiArcAutomaton允许使用不同的组件行为建模语言将软件架构建模为组件和连接器模型。代码生成器集成的有效手段是基于模型的机器人软件工程中applicationspecific语言的事后集成的必要条件。
2015-05-05 cs.SE
Code Duplication on Stack Overflow
尽管堆栈溢出（SO）对于许多软件开发人员的日常工作具有不可否认的重要性，尽管现有的知识对软件可维护性的影响代码复制，SO上的代码克隆的流行和影响尚未得到应有的重视。在本文中，我们动机为什么代码重复的研究在SO是必要的，以及如何现有的研究代码重用不同于这个新的研究方向。我们提出了一般的代码克隆和SO上的代码克隆之间的相似性和差异，并指出了需要解决的开放性问题，以便能够就如何在这个重要的平台上正确处理克隆做出数据知情的决策。我们目前的结果从第一次初步调查，表明SO上的克隆是常见的和多样的。我们进一步指出了具体的挑战，包括鼓励用户克隆成功的答案以及在平台上进行批量编辑的困难，并总结了未来工作的可能方向。
2020-02-04 cs.SE
SOTorrent: Studying the Origin, Evolution, and Usage of Stack Overflow Code Snippets
Stack Overflow（SO）是最受软件开发人员欢迎的问答网站，提供了大量可复制的代码片段。像其他软件工件一样，SO上的代码会随着时间的推移而演变，例如，当bug被修复或API被更新到最新版本时。为了能够分析SO上的代码和周围的文本是如何演变的，我们构建了SOTorrent，这是一个基于官方SO数据转储的开放数据集。SOTorrent提供了对整个帖子以及单个文本和代码块级别的SO内容的版本历史的访问。它通过聚合来自周围文本块和评论的URL，以及通过收集来自GitHub文件的引用来将SO帖子中的代码片段连接到其他平台。我们的愿景是，研究人员将使用SOTorrent来调查和了解SO上代码的演变和维护，以及它与其他平台（如GitHub）的关系。
2019-03-09 cs.SE
Perspective on Code Submission and Automated Evaluation Platforms for University Teaching
我们提出了一个观点的平台上的代码提交和自动化评估的背景下，大学教学。由于COVID-19大流行，此类平台已成为远程课程的重要资产，并成为计算机科学学生数量不断增加的结构化代码提交的合理标准。利用自动化代码评估技术在质量和可扩展性方面对学生和教师都有显着的积极影响。我们确定了这些平台在实用性和安全代码提交环境方面的相关技术和非技术要求。此外，在学生中进行了调查，以获得经验数据的一般看法。我们的结论是，提交和自动化评估涉及持续的维护，但降低了教师所需的工作量，并为学生提供更好的评价透明度。
2022-01-25 cs.CY cs.SE
A Structured Evaluation Framework for Low-Code Platform Selection: A Multi-Criteria Decision Model for Enterprise Digital Transformation
PwC Italy, Process Automation CoE (Digital Innovation Group)（普华永道意大利，流程自动化卓越中心（数字创新组））
本文提出面向企业数字化转型的低代码平台五准则加权评分评估框架，并经企业实证验证可改善选型决策、降低锁定与方案失配风险。
2025-10-21 cs.HC cs.SE
Incivility Detection in Open Source Code Review and Issue Discussions
针对开源代码评审与Issue讨论中的不文明内容检测问题，对比6种经典机器学习模型与BERT的检测效果，评估上下文信息和跨平台场景下的性能，发现BERT最优且F1达0.95，上下文未提升其效果，跨平台场景下所有模型表现均一般。
2023-12-19 cs.SE
Measuring Technical Debt in AI-Based Competition Platforms
本文通过范围综述识别并分类AI竞赛平台中的技术债务类型，提出专门的可访问性债务概念，并开发问卷与管理框架以提升平台的可持续性和可维护性。
2024-08-01 cs.SE
Certified Compilation in the TELEPERM XS Nuclear Safety I&C Platform
Université Grenoble Alpes - CNRS - Grenoble INP - Verimag（格勒诺布尔阿尔卑斯大学-法国国家科学研究中心-格勒诺布尔理工学院-Verimag）；Framatome GmbH（Framatome有限公司）
针对TELEPERM XS核安全I&C平台的编译验证需求，研究引入CompCert认证编译器，借助形式化方法解决特定代码模式的性能问题，同时缩小可信计算基以强化系统安全论证。
2026-09-28 cs.SE
Lissom, a Source Level Proof Carrying Code Platform
本文介绍了一种称为Lissom的证明携带码（PCC）架构的建议。作为最后一年计算学生的挑战开始，Lissom被认为是向怀疑论者社区，特别是学生证明形式化验证工具可以在现实环境中付诸实践，并用于解决复杂和具体问题的一种手段。PCC解决的问题的吸引力已经使学生对这个项目表现出兴趣。
2008-03-15 cs.LO cs.SE
Code Shrew: Software platform for teaching programming through drawings and animations
在本文中，我们提出了代码Shrew，一个新的软件平台，伴随着一个交互式编程课程。它的目的是通过让用户创建自己的绘图和动画来教授计算机编程的基础知识。该程序设计语言具有基于Python的简单语法，并添加了一些新功能，可以使用面向对象代码轻松绘制和动画。编辑器的反应无缝，即时，提供了一个引人入胜的和互动的环境，实验和测试的想法。编程课程包括涵盖基本编程原则的课程，以及测试用户在课程中进步的技能的挑战。课程和挑战都利用了编辑的即时反馈，允许专注于边做边学。我们描述了软件和内容，它们背后的动机，以及它们与建构主义的联系。
2018-08-08 cs.CY cs.SE
A Low-Code Methodology for Developing AI Kiosks: a Case Study with the DIZEST Platform
SEASON Co. Ltd.（SEASON 株式会社）；Kunsan National University（群山国立大学）；Jenti AI
本文提出了一种基于DIZEST平台的低代码方法论，用于开发AI信息亭，通过案例研究展示了其在提高互操作性和用户体验方面的优势。
2025-11-22 cs.AI cs.SE
The impact of no-code on digital product development
本文通过访谈探究了创业者选择无代码平台构建、发布和扩展软件产品的原因、益处与局限，及其对产品开发框架的影响。
2023-06-13 cs.HC cs.SE
LLM-Assisted Translation of Legacy FORTRAN Codes to C++: A Cross-Platform Study
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；School of Information, University of Arizona（信息学院，亚利桑那大学）
本研究评估LLM将遗留Fortran代码翻译为C++的适用性，在两种计算平台上统计量化编译准确性与代码相似性，为构建智能体工作流奠定基础。
2025-04-21 cs.AI cs.SE
Code4MeV2: a Research-oriented Code-completion Platform
Delft University of Technology（代尔夫特理工大学）
针对AI代码补全工具的用户交互数据垄断、学术研究难复现的问题，研究人员推出面向研究的开源JetBrains IDE插件Code4MeV2，具备行内补全、上下文聊天功能和模块化透明数据收集框架，性能达行业水平，经评估获用户认可。
2025-10-04 cs.AI cs.SE
Using AI/ML to Find and Remediate Enterprise Secrets in Code & Document Sharing Platforms
JPMorgan Chase（摩根大通）
提出利用 AI 检测并自动修复代码及 Confluence 等文档共享平台中的企业机密，以替代高噪声的正则表达式方法，并引入两个基线 AI 模型与自动修复机制推动该任务研究。
2024-01-03 cs.AI cs.SE
AutoBridge: Automating Smart Device Integration with Centralized Platform
The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））；ShanghaiTech University（上海科技大学）
针对物联网设备与集中式平台集成需大量人工编写代码的问题，提出AutoBridge分治式自动生成集成代码方案，搭配多阶段调试流水线，在基准测试中实现高成功率与功能覆盖率，效率远超专业程序员。
2025-07-31 cs.AI cs.SE
DataFlow-Harness: A Grounded Code-Agent Platform for Constructing Editable LLM Data Pipelines
Peking University（北京大学）；Institute for Advanced Algorithms Research（先进算法研究所）；Zhongguancun Academy（中关村学院）
研究针对大语言模型数据处理工作流中编码代理脚本无法自动转化为可编辑工件的问题，提出DataFlow-Harness平台，通过类型化增量突变引导构建DAG，结合多种技术，在数据工程基准测试中取得高通过率，降低成本和延迟。
2026-07-27 cs.AI cs.SE
Software Abstractions and Methodologies for HPC Simulation Codes on Future Architectures
运行在高性能计算平台上的大型、复杂、多尺度、多物理场的仿真程序，已经成为推动科学和工程发展的关键。这些代码在千万亿次平台上以前所未有的保真度模拟多尺度，多物理现象，并被大型社区使用。这些代码在未来平台上持续运行的能力对他们的社区至关重要，就像仪器和设施的持续改进对实验科学家一样。然而，代码开发人员做这些事情的能力面临着一个严重的挑战，在平台架构中正在进行的范式转变。未来平台的复杂性和不确定性使得作为一个社区合作应对这一挑战至关重要。我们需要开发通用的抽象、框架、编程模型和软件开发方法，这些方法可以应用于各种复杂的仿真代码，并需要通用的软件基础设施来支持它们。在这份立场文件中，我们表达并讨论了我们的信念，即这样的基础设施对于在未来的HPC平台上部署现有的和新的大型、多尺度、多物理场代码至关重要。
2013-09-06 cs.CE cs.MS cs.SE
Codeless App Development: Evaluating A Cloud-Native Domain-Specific Functions Approach
移动应用程序在当今经济中发挥着重要作用，并且在多个平台上启用应用程序的趋势越来越明显。但是，创建、分发和维护应用程序仍然是专家级任务。即使对于软件开发人员来说，这个过程也可能容易出错并且消耗资源，特别是当同时针对不同的平台时。研究人员已经提出了几个框架来促进跨平台应用程序开发，但很少关注非技术用户。在本文中，我们描述了Flow框架，该框架利用特定于领域的语言来实现应用建模的无代码规范。云原生协调机制进一步支持非技术用户执行、监控和维护任何目标平台的应用程序。进行了用户评价，以评估系统的可用性和用户体验。结果表明，用户可以轻松地在Flow中开发应用程序，但可以优化原型以减少学习时间和工作量。
2022-10-04 cs.HC cs.SE
AgentForge: A Flexible Low-Code Platform for Reinforcement Learning Agent Design
Aalto University（阿尔托大学）
本文提出AgentForge，一个灵活的低代码平台，通过几行代码定义并解决强化学习系统中的复杂参数优化问题，支持单独或联合优化，克服了现有平台对非机器学习专家不友好的缺陷。
2025-04-02 cs.LG cs.SE
LLM4FaaS: No-Code Application Development using LLMs and FaaS
TU Berlin（柏林工业大学）
本文提出LLM4FaaS方法，将大语言模型与FaaS平台结合，使非技术用户仅用自然语言即可无代码构建和运行应用，实验表明其自动构建部署成功率达71.47%，显著优于现有基线。
2025-11-07 cs.DC cs.SE
Advancing computational reproducibility in the Dataverse data repository platform
最近的可重复性案例研究引起了人们的关注，表明大部分已存研究都是不可重复的。他们的结论之一是，数据存储库存储研究数据和代码的方式不能完全促进可重复性，因为缺乏代码执行所需的运行时环境。新的专用再现性工具为代码封装提供了基于云的计算环境，从而实现了研究的可移植性和再现性。然而，它们通常不像数据存储库那样能够实现研究可扩展性、标准化数据引用或长期存档。本文讨论了数据存储库和再现性工具的缺点，以及如何克服这些缺点，以改善目前在已发表和存档的研究成果中缺乏计算再现性的问题。
2020-06-16 cs.DL cs.SE
Low-code Engineering for Internet of things: A state of research
开发物联网（IoT）系统必须应对几个挑战，主要是因为所涉及的子系统和组件的异构性。为了构思支持物联网系统开发的语言和工具，本文介绍了这项研究的结果，这项研究旨在了解现有平台的最新发展状况，特别是开发物联网系统的低代码平台。通过分析16个平台，已经确定了一组相应的功能来表示每个分析平台可以支持的功能和服务。我们还确定了现有方法的局限性，并讨论了未来改进和解决这些问题的可能方法。
2020-09-08 cs.PL cs.SE
CloudScent: a model for code smell analysis in open-source cloud
针对开源云代码质量受重视不足、缺乏针对性代码坏味检测工具的问题，本文提出开源检测模型CloudScent，经OpenStack环境实验验证可准确检测8种云环境代码坏味，助力云服务商及时重构以提升代码质量。
2023-07-22 cs.DC cs.SE
Execution-Based Evaluation of Natural Language to Bash and PowerShell for Incident Remediation
IBM Research（IBM研究院）
本文提出首个基于执行的评估平台，含125个手工测试用例，评估LLMs生成的Bash和PowerShell代码，并基准测试七个开源与闭源模型，以自动修复APM发现的系统事件。
2024-12-16 cs.CL cs.SE
Trinity: A No-Code AI platform for complex spatial datasets
Apple（苹果公司）
我们提出了一个名为Trinity的无代码人工智能（AI）平台，其主要设计目标是使机器学习研究人员和非技术地理空间领域专家能够使用特定领域的信号和数据集进行实验，以自行解决各种复杂问题。这种解决各种问题的多功能性是通过转换复杂的时空数据集来实现的，使它们可以被标准的深度学习模型（在这种情况下，卷积神经网络（CNN））使用，并能够以标准的方式制定不同的问题，例如。语义分割。凭借直观的用户界面、托管复杂特征工程衍生物的特征存储、深度学习内核和可扩展的数据处理机制，Trinity为领域专家提供了一个强大的平台，与科学家和工程师共享解决关键业务问题的舞台。它可以实现快速原型设计、快速实验，并通过标准化模型构建和部署来缩短生产时间。在本文中，我们介绍了Trinity及其设计背后的动机，并展示了示例应用程序，以激发降低使用AI的门槛的想法。
2021-07-01 cs.AI cs.CV cs.SE
An Empirical Study on Remote Code Execution in Machine Learning Model Hosting Ecosystems
University of Notre Dame（圣母大学）；IQVIA Inc（IQVIA公司）
本研究通过实证分析揭示了机器学习模型托管平台中远程代码执行的安全风险及开发者认知问题，提出安全与可用性平衡的改进方案。
2026-01-20 cs.CR cs.SE
CodeXGLUE: A Machine Learning Benchmark Dataset for Code Understanding and Generation
Peking University（北京大学）；Sun Yat-sen University（中山大学）；Beihang University（北京航空航天大学）；Microsoft（微软）；Microsoft Research Asia（微软亚洲研究院）
基准数据集对加速程序设计语言任务的研究具有重要影响。在本文中，我们介绍了CodeXGLUE，一个基准数据集，以促进机器学习研究的程序理解和生成。CodeXGLUE包括14个数据集的10个任务集合和一个模型评估和比较平台。CodeXGLUE还具有三个基线系统，包括BERT风格，GPT风格和编码器-解码器模型，使研究人员可以轻松使用该平台。这些数据和基线的可用性可以帮助开发和验证可以应用于各种程序理解和生成问题的新方法。
2021-03-16 cs.CL cs.SE
ML-Quadrat & DriotData: A Model-Driven Engineering Tool and a Low-Code Platform for Smart IoT Services
DriotData UG（DriotData UG公司）；Flanders Make（法兰德斯制造研究院）；Munich Data Science Institute（慕尼黑数据科学研究院）
在本文中，我们提出了ML-Quadrat，这是一个开源的研究原型，它基于Eclipse建模框架（EMF）和智能网络物理系统（CPS）和物联网（IoT）的模型驱动软件工程（MDSE）文献中的最新技术。其设想的用户主要是软件开发人员，他们可能在异构物联网平台和各种人工智能（AI）技术方面没有深入的知识和技能，特别是关于机器学习（ML）。ML-Quadrat在Github上根据Apache 2.0许可证条款发布。此外，我们还展示了DriotData的早期工具原型，DriotData是一个面向公民数据科学家和公民/最终用户软件开发人员的基于Web的低代码平台。DriotData在行业中利用并采用了ML-Quadrat，将其扩展版本作为基于订阅的服务提供给公司，主要是中小型企业（SME）。DriotData目前的初步版本有三种基于Web的模型编辑器：基于文本的，基于树/表单的和基于XML的。后者专为问题或用例领域（即物联网垂直领域）的领域专家而设计，他们可能不具备IT领域的知识和技能。最后，YouTube上有一个演示工具的简短视频：https://youtu.be/VAuz25w0a5k
2022-02-16 cs.AI cs.LG cs.SE
Generating Energy-Efficient Code via Large-Language Models -- Where are we now?
Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Federal University of Technology of Paraná (UTFPR)（巴西南里尔联邦技术大学）；IIIT Hyderabad（海得拉巴国家理工学院）
本研究实证评估6个LLM与4种提示技术在3个硬件平台上生成Python代码的能效，发现LLM生成的代码均未超越绿色软件专家的能效水平，凸显开发节能代码仍需人类专业知识。
2025-09-12 cs.AI cs.SE
Facilitating Rapid Prototyping in the OODIDA Data Analytics Platform via Active-Code Replacement
OODIDA（车载/非车载分布式数据分析）是一个分布式实时分析平台，目标是汽车行业的参考车辆车队。它的用户是数据分析师。大部分数据分析任务由客户端（板载）执行，而中央云服务器执行补充任务（非板载）。OODIDA可以自动打包和部署，这需要重新启动系统的部分或全部。由于这可能会造成破坏，我们增加了在客户端和服务器上执行用户定义的Python模块的能力。这些模块可以在不重新启动系统的任何部分的情况下被替换;它们甚至可以在正在进行的分配的迭代之间被替换。此功能称为活动代码替换。它促进了用例，例如机器学习算法的迭代A/B测试或动态修改实验算法。结果的一致性是通过多数表决来实现的，这可以防止国家受到污染。在理想化的环境中，活动代码替换可以在不到一秒的时间内完成，而标准部署需要多几个数量级的时间。本文的主要贡献是描述了一个相对简单的方法来替换活动代码，这是非常用户友好的。它使数据分析师能够在云服务器和客户端设备上快速执行自定义代码。合理的保护措施和设计决策确保了此功能可以由不熟悉OODIDA实现的非专家使用，特别是此功能。由于添加了活动代码替换特性，OODIDA现在非常适合快速原型设计。
2020-12-30 cs.DC cs.PL cs.SE
MDA Models and PIM/PSM Transformations Using Extended Automata
本文提出了一个通用的平台独立模型（PIM）的OMG请求的执行平台模型，允许实现模型驱动架构（MDA）标准。我们提出了AMDA（基于自动机的MDA），一种基于使用并行自动机的方法，它可以是一个通用的工具，用于从UML图（包括OCL）构建PIM，并将PIM转换为PSM自动机，并进一步编译代码。每个平台都有一个机制来执行翻译后的代码。我们的架构，这些自动机的一般PSM翻译允许便携式执行各种特定的实现平台。这个通用翻译器必须一次性编写，用于所需的特定PSM的语言和库。这也允许不同PSM之间的互操作性。ATM的案例研究的例子来说明这种方法。
2020-08-02 cs.FL cs.SE
