Code Reasoning for Software Engineering Tasks: A Survey and A Call to Action
IBM；Columbia University（哥伦比亚大学）
本文调查代码推理技术，探讨其在软件工程任务中的影响，提出未来研究方向。
2026-06-27 cs.AI cs.SE
ML-On-Rails: Safeguarding Machine Learning Models in Software Systems A Case Study
Deakin University（迪肯大学）；Monash University（莫纳什大学）；RMIT University（皇家墨尔本理工大学）
本文提出 ML-On-Rails 协议，通过定义端点接口、促进 ML 提供者与软件工程师之间的通信并引入生产环境特有挑战的检测能力，以保障生产系统中 ML 模型的安全性、鲁棒性与透明性，并通过 MoveReminder 案例研究验证其有效性。
2024-01-12 cs.AI cs.LG cs.SE
You Don't Know Until You Click:Automated GUI Testing for Production-Ready Software Evaluation
DeepWisdom；Fudan University（复旦大学）；HKUST(GZ)（香港科技大学（广州））；UC San Diego（加利福尼亚大学圣迭戈分校）；KAUST（阿卜杜拉国王科技大学）；Westlake University（西湖大学）；Stanford University（斯坦福大学）；Yale University（耶鲁大学）；NUS（新加坡国立大学）
针对当前基准无法评估LLMs生成的生产级软件交互行为和运行时动态的问题，提出RealDevWorld框架，通过RealDevBench任务集和AppEvalPilot智能体评判系统，实现自动端到端评估，准确率达0.92且与人类评估相关性0.85。
2025-08-17 cs.AI cs.SE
Seeking Enlightenment: Incorporating Evidence-Based Practice Techniques in a Research Software Engineering Team
本研究探讨了在Sandia National Laboratories的研究软件工程团队中引入循证实践（EBP）技术——快速评审的经验，并提出了克服RSE社区采用EBP障碍的实用建议。
2024-03-25 cs.SE
Integrating Various Software Artifacts for Better LLM-based Bug Localization and Program Repair
Nanjing University of Science and Technology（南京理工大学）；State Key Lab. for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室）；School of Computer Science, Wuhan University（武汉大学计算机学院）
提出DEVLoRe框架，融合issue、堆栈跟踪和调试信息等多种软件制品，完成缺陷方法/行定位并生成可通过测试的补丁，在Defects4J v2.0和SWE-bench Lite上优于现有APR方法。
2025-09-29 cs.AI cs.SE
A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System
Digital Trust Centre, Nanyang Technological University, Singapore（南洋理工大学数字信任中心）；College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院）；The Hong Kong University of Science and Technology, Hong Kong（香港科学与技术大学）；School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院）；School of Computing and Data Science, The University of Hong Kong, Hong Kong（香港大学计算与数据科学学院）；School of Computer Science and Technology, The University of Cambridge, UK（剑桥大学计算机科学与技术学院）
本综述首次整体分析LLM赋能的智能体系统软件工程，提出涵盖解决方案（基于提示、微调、智能体）与基准（代码生成、翻译、修复）的分类法，连接50余个基准与策略，并指出多智能体协作等未来方向。
2025-10-23 cs.CL cs.SE
Why and When LLM-Based Assistants Can Go Wrong: Investigating the Effectiveness of Prompt-Based Interactions for Software Help-Seeking
Simon Fraser University（西蒙菲莎大学）；Stanford University（斯坦福大学）
通过16人实验对比基线LLM与SoftAIBot，发现提示词指南和领域上下文未能显著改善用户感知与任务完成率，强调需在LLM中引入可解释的上下文感知线索以提升软件求助效用。
2024-02-12 cs.AI cs.HC cs.LG
Modelling Open-Source Software Reliability Incorporating Swarm Intelligence-Based Techniques
针对开源软件可靠性增长建模中非线性参数估计困难的问题，提出使用萤火虫、灰狼等七种群体智能优化算法优化基于非齐次泊松过程的参数估计，并在两个真实数据集上验证了其有效性和令人鼓舞的性能。
2024-01-05 cs.NE cs.SE
Incorporating Agile with MDA Case Study: Online Polling System
目前敏捷软件开发的应用越来越广泛，但只适用于小型组织，而MDA适用于大型组织，但尚未标准化。本文讨论了模型驱动架构（MDA）和极限编程的优缺点。由于这两种体系结构都有一定的局限性，不能同时适用于大型和小型组织，因此提出了一种新的体系结构。在这个模型中，它试图选择的优点和重要的价值，以克服这两个软件开发过程的局限性。在支持建议的架构，它的在线投票系统的实施进行了讨论，并解释了软件开发的所有阶段。
2011-10-31 cs.SE
Incorporating Failure Knowledge into Design Decisions for IoT Systems: A Controlled Experiment on Novices
物联网（IoT）系统允许软件直接与物理世界交互。最近的物联网故障可以归因于反复出现的软件设计缺陷，这表明物联网软件工程师可能没有从过去的失败中吸取教训。我们研究了使用失败案例来改进物联网系统设计。我们进行了一项实验，以评估失败相关的学习治疗设计决策的影响。我们的实验采用了新手（计算机工程专业的学生）完成设计问卷的主题之间的比较。有三种治疗方法：对照组（N=7）;考虑一组设计指南（N=8）;考虑失败故事（建议治疗，N=6）。我们衡量了他们的设计决策和设计原理。所有受试者都做出了类似的决定。他们的理由因治疗而异：接受指南和失败故事治疗的受试者更多地使用关键性作为理由，而接受失败故事治疗的受试者更频繁地使用安全性作为理由。基于这些发现，我们提出了几个研究方向，以实现故障感知物联网工程过程。
2023-03-20 cs.SE
Toward Imitating Visual Attention of Experts in Software Development Tasks
Nara Institute of Science and Technology（奈良先端科学技术大学院大学）
专家程序员在阅读源代码时的眼球运动是与他们的领域专长相关的有价值的来源。我们提倡一种新的智能系统的愿景，将专家的专业知识结合起来，用于软件开发任务，如问题本地化、注释生成和代码生成。我们提出了一个基于模仿学习（IL）的神经自主智能体的概念框架，它使代理能够通过他/她的眼球运动来模仿专家的视觉注意。在该框架中，一个自主智能体被构造为一个基于上下文的注意模型，该模型由编码器/解码器网络组成，并使用专家演示产生的状态-动作序列进行训练。本文讨论了实现一个基于IL的自主智能体的软件开发任务的挑战。
2019-03-15 cs.AI cs.SE
Incorporating fault-proneness estimations into coverage-based test case prioritization methods
内容：在软件程序的开发过程中，回归测试用于确保软件在更新源代码后保持正确的行为。随着测试用例数量的增加，这种回归测试随着时间的推移变得昂贵，并且为了尽快执行故障检测测试用例，对测试用例进行优先级排序是有意义的。有许多基于覆盖率的测试用例优先级（TCP）方法只使用代码覆盖率数据来确定测试用例的优先级。通过将代码单元的错误倾向性估计结合到基于覆盖率的TCP方法中，我们可以改进此类技术。目的：在本文中，我们的目标是提出一种方法，提高覆盖率为基础的TCP方法，通过考虑代码单元的故障倾向性分布。此外，我们提出的实证研究的结果表明，使用我们提出的方法显着提高了额外的策略，这是一个广泛使用的基于覆盖的TCP方法。方法：在这项研究中提出的方法使用的错误历史的软件，以引入缺陷预测方法来学习神经网络模型。然后，该模型被用来估计每个区域的源代码的故障倾向，然后将估计纳入基于覆盖率的TCP方法。我们提出的方法是一个一般的想法，可以应用到许多基于覆盖的方法，如额外的和总的TCP方法。结果如下：所提出的方法进行评估的数据集收集的开发历史的五个真实世界的项目，包括357个版本。实验表明，使用适当的错误历史可以改善基于覆盖率的TCP方法。
2020-02-16 cs.SE
APIContext2Com: Code Comment Generation by Incorporating Pre-Defined API Documentation
University of British Columbia Okanagan（不列颠哥伦比亚大学奥肯那根分校）
代码注释对理解软件程序有很大的帮助，也可以帮助开发人员节省大量的软件维护时间。代码注释生成的目的是自动预测给定代码片段的自然语言中的注释。一些作品调查的影响，整合外部知识的质量生成的评论。在这项研究中，我们提出了一个解决方案，即APIContext 2Com，通过将预定义的应用程序编程接口（API）上下文，以提高生成的评论的有效性。API上下文包括在代码片段中使用的预定义API的定义和描述。由于详细的API信息表达了代码段的功能，因此它有助于更好地生成代码摘要。我们引入了一个seq-2-seq编码器-解码器神经网络模型，该模型具有不同的多个编码器集合，以有效地将不同的输入转换为目标评论。还开发了一个排名机制来排除非信息性的API，以便我们可以过滤掉不相关的API。我们使用CodeSearchNet的Java数据集来评估我们的方法。结果表明，该模型对BLEU 1、BLEU 2、BLEU 3、BLEU 4、METEOR、ROUGE-L的最佳基线分别提高了1.88（8.24%）、2.16（17.58%）、1.38（18.3%）、0.73（14.17%）、1.58（14.98%）和1.9（6.92%）。人类评估和消融研究证实了生成的评论的质量以及架构和排名API的效果。
2023-03-03 cs.CL cs.LG cs.SE
Cargo Sherlock: An SMT-Based Checker for Software Trust Costs
University of California, Davis（加州大学戴维斯分校）
Cargo Sherlock 是一种基于 SMT 的软件信任成本检查器，通过结合形式化方法和人为因素，用于检测供应链攻击并评估软件依赖项的信任成本。
2026-02-03 cs.LO cs.SE
Incorporating Verification Standards for Security Requirements Generation from Functional Specifications
针对软件安全需求人工生成易出错的问题，提出F2SRD自动化方法，结合OWASP ASVS的验证需求，经检索和GPT4生成两阶段，产出更具启发性、多样性和特异性的安全需求。
2025-05-17 cs.SE
Developers' Perceptions on the Impact of ChatGPT in Software Development: A Survey
该研究针对207名软件开发者开展调查，探究ChatGPT对软件开发质量、生产力、工作满意度的影响，同时了解开发者对其未来适配的期望、岗位替代担忧及监管看法，填补了AI与SE融合对开发者认知影响的研究空白。
2024-05-20 cs.SE
DevPhish: Exploring Social Engineering in Software Supply Chain Attacks on Developers
本文全面探究攻击者在软件供应链关键步骤中利用社会工程学诱骗软件工程师交付恶意软件的策略，为威胁建模和安全差距分析提供见解。
2024-09-27 cs.CR cs.SE
Enhancing Large Language Models with Retrieval Augmented Generation for Software Testing and Inspection Automation
Department of Computer Science University of Colorado Colorado Springs (UCCS)（科罗拉多大学科罗拉多斯普林斯分校计算机科学系）；Smith College（史密斯学院）
本文通过检索增强生成方法提升大型语言模型在软件测试和检查自动化中的应用，有效减少项目成本并提高验证与确认活动的效果和效率。
2026-04-16 cs.SE
Using Generative AI in Software Design Education: An Experience Report
本文报告了在本科软件设计课程中引入ChatGPT辅助团队作业的经验，通过定性分析对话日志和学生反思，发现GenAI能帮助学生设计并认识其优劣，同时为教育者提供了有效部署GenAI的关键经验。
2025-06-26 cs.SE
Advancing Code Coverage: Incorporating Program Analysis with Large Language Models
针对自动测试生成难以覆盖复杂分支的问题，提出TELPA技术，通过提取真实使用场景和跨过程依赖方法，并结合反例与反馈机制优化LLM提示，显著提升了分支覆盖率。
2025-07-15 cs.SE
"Should I Give Up Now?" Investigating LLM Pitfalls in Software Engineering
University of Toronto（多伦多大学）；Northeastern University（东北大学）；University of Chicago（芝加哥大学）
研究LLM在软件工程中的缺陷，通过分析26名参与者的复杂网页开发任务数据，发现九种失败类型，包括不准确或不完整响应、认知过载和上下文丢失，发现不帮助的响应增加了放弃的可能性，而更多提示减少了放弃概率。
2026-04-13 cs.SE
CodePori: Large-Scale System for Autonomous Software Development Using Multi-Agent Technology
Tampere University（坦佩雷大学）
本文研究了基于大语言模型的多智能体系统在自主软件开发中的潜力与局限，通过开发CodePori系统和参与式评估，揭示了LLM多智能体系统的优势、挑战及改进方向。
2026-10-06 cs.SE
QEMI: A Quantum Software Stacks Testing Framework via Equivalence Modulo Inputs
Kyushu University（九州大学）；Zhejiang University（浙江大学）
QEMI通过输入等价性技术，提出了一种用于量子软件堆栈的测试方法，能够检测潜在的错误并扩展测试技术。
2026-02-10 cs.SE
Beyond C/C++: Probabilistic and LLM Methods for Next-Generation Software Reverse Engineering
本文提出将概率二进制分析与微调大语言模型相结合，以解决 Rust、Go、Mojo 等新语言二进制逆向工程中传统启发式方法失效和数据驱动方法易产生幻觉的问题，从而提升逆向分析的鲁棒性、准确性与可扩展性。
2025-06-04 cs.SE
Using Defect Prediction to Improve the Bug Detection Capability of Search-Based Software Testing
自动测试生成器，如基于搜索的软件测试（SBST）技术，取代了手动编写测试用例的繁琐和昂贵的任务。SBST技术在生成具有高代码覆盖率的测试时是有效的。然而，高代码覆盖率是否足以最大限度地增加发现的bug数量？我们认为，SBST需要集中在有缺陷的领域，而不是在非缺陷的代码领域，以最大限度地发现错误的可能性搜索测试用例。缺陷预测算法提供了有关软件中容易出现错误的区域的有用信息。因此，我们制定了本论文的目标：\textit{Improve the bug detection capability of SBST by incorporating defect prediction information}。为了实现这一目标，我们设计了两个研究目标，即，1)开发一种新的方法（SBST $_{CL}$），该方法基于类有缺陷的可能性将时间预算分配给类，以及2）开发一种新的策略（SBST $_{ML}$）来指导底层搜索算法（即，遗传算法）对一类中的缺陷区域进行优化。通过对Defects4J数据集中434个真实报告的错误进行实证评估，我们证明了我们的新方法SBST $_{CL}$在资源受限的环境中，在时间预算紧张的情况下，比最先进的SBST更有效。
2022-06-14 cs.SE
Benefits of Applying Software Design Patterns to Backend Rust Applications
NORDAKADEMIE Hochschule der Wirtschaft（诺达卡德米经济高等学校）；Otto GmbH & Co. KGaA（奥托有限公司）
通过对生产后端应用三个代表性组件的案例研究，探讨模式对软件质量和不变量编译时强制的影响，开发评估框架，应用模式改进代码，为Rust中设计模式研究奠定基础。
2026-07-07 cs.SE
Towards Extracting Software Requirements from App Reviews using Seq2seq Framework
本文提出将需求提取重构为基于Seq2seq的命名实体识别任务，设计融合BiLSTM、自注意力、GloVe和CRF的框架，在两个数据集上取得优于现有方法的F1表现。
2025-07-20 cs.SE
On the Rationale and Use of Assertion Messages in Test Code: Insights from Software Practitioners
本文通过调查138名专业软件从业者，研究断言消息的使用目的、编写挑战与维护方式，并为高质量断言消息及自动化测试工具改进提供指南。
2024-08-03 cs.SE
An Empirical Study on the Effectiveness of Large Language Models for SATD Identification and Classification
本文实证评估Flan-T5等LLM在SATD识别与分类中的表现，发现微调LLM显著提升识别F1，少样本ICL和代码上下文也能改善分类。
2024-05-10 cs.SE
Do Performance Aspirations Matter for Guiding Software Configuration Tuning?
Loughborough University（拉夫堡大学）；University of Birmingham（伯明翰大学）
可配置的软件系统可以被调整以获得更好的性能。利用一些帕累托优化器，最近的工作已经从调整一个单一的，与时间相关的性能目标，两个本质上不同的目标，评估系统的不同性能方面，每个不同的愿望。在我们设计更好的优化器之前，需要做出的一个关键的工程决策是如何在调优过程中处理具有明确目标的性能需求。为此，社区采取了两种可选的优化模型：要么量化并将期望纳入指导调优的搜索目标，要么在搜索过程中不考虑期望，而只是在以后的决策过程中使用它们。然而，尽管是决定如何设计和定制优化器的关键决策，但对于在什么特定情况下应该选择哪个优化模型以及为什么选择，人们的理解相当有限。在本文中，我们试图缩小这一差距。首先，我们通过文献中的426篇论文和14个真实世界的需求数据集进行了回顾。在此基础上，我们进行了一项全面的实证研究，涵盖了15种最先进的性能要求模式，四种类型的愿望空间，三个帕累托优化器和八个现实世界的系统/环境的组合，导致1,296例调查。我们发现：（1）愿望的现实性是决定是否应该用它们来指导调整的关键因素;（2）给定的模式和现实愿望在客观景观中的位置对选择的重要性较小，但它们对改善的程度很重要;（3）对于不现实的期望，可用的调谐预算也会影响选择，但对于现实的期望，可用的调谐预算并不显著。
2023-01-09 cs.AI cs.SE
Towards Better Requirements from the Crowd: Developer Engagement with Feature Requests in Open Source Software
本研究考察开源软件中功能请求的自然语言缺陷及开发者澄清行为，发现请求常存在歧义或不完整，但开发者更关注项目目标与可行性而非文本澄清。
2025-07-17 cs.SE
On the Use of Fine-grained Vulnerable Code Statements for Software Vulnerability Assessment Models
The University of Adelaide（阿德莱德大学）；Cyber Security Cooperative Research Centre（网络安全合作研究中心）
许多研究已经开发了机器学习（ML）方法来检测函数中的软件漏洞（SV）和导致此类SV的细粒度代码语句。然而，利用这些检测输出进行数据驱动的SV评估以提供有关SV的可利用性、影响和严重性的信息的工作很少。这些信息对于了解SV并确定其修复的优先级非常重要。使用来自200个真实项目中429个SV的1，782个功能的大规模数据，我们研究了用于自动化功能级SV评估任务的ML模型，即，预测七个通用漏洞评分系统（CVSS）指标。我们特别研究的价值和使用的脆弱的报表作为输入开发的评估模型，因为SV的功能起源于这些报表。我们发现，脆弱的报表是5.8倍小的大小，但表现出7.5-114.5%的评估性能（马修斯相关系数（MCC））比非脆弱的报表。消除易受攻击语句的上下文进一步提高了性能，最高可达8.9%（0.64 MCC和0.75 F1-Score）。总的来说，我们提供了初步的但有前途的ML为基础的基线功能级SV评估，铺平了道路，在这个方向上的进一步研究。
2022-03-16 cs.CR cs.LG cs.SE
Rethinking Certification for Higher Trust and Ethical Safeguarding of Autonomous Systems
随着软件的复杂性日益增加，渗透到自动驾驶等关键领域，这些系统的工程设计需要重新思考。预计自动驾驶将继续逐步取代所有关键驾驶功能，这增加了自动驾驶系统认证的复杂性。作为回应，认证机构已经开始引入自动驾驶汽车及其软件的认证策略。但是，即使有了这些新方法，认证程序也不能完全跟上未来自治系统的动态性和不可预测性，因此可能不一定能保证遵守对这些系统的所有要求。在本文中，我们确定了一些问题，提出的认证策略，这可能会影响系统的实质性。例如，我们强调，对不断变化的系统中发生的软件变化缺乏充分的反映，或者对管理协调行动所需的系统合作支持不足。其他的缺点涉及到授予认证的狭隘焦点，忽略了诸如自治软件系统的道德行为等方面。本文的贡献有三个方面。首先，我们讨论了需要修改自动驾驶系统当前认证流程的动机。其次，我们分析了当前的国际标准中使用的认证过程中的要求，来自动态的软件生态系统和自治系统本身的要求。第三，我们概述了一个概念，将缺失的部分纳入认证程序。
2023-03-16 cs.CY cs.SE
Suggestion Bot: Analyzing the Impact of Automated Suggested Changes on Code Reviews
本文提出建议机器人，利用GitHub建议变更功能自动审查代码，以缩短拉取请求周转时间，并通过实证比较评估其影响，为改进人机交互提供启示。
2023-05-10 cs.HC cs.SE
Large Language Models for Code Generation: The Practitioners Perspective
本研究从从业者视角出发，提出了一个多模型统一平台来生成和执行代码，并通过跨四大洲11个国家的60名从业者的调查，评估了LLMs在软件开发中的可用性、性能及优缺点，为系统地选择和使用LLMs提供了实证依据。
2025-01-28 cs.SE
Debugging Invariant Issues in Pseudo Embedded Program: an Analytical Approach
软件开发是软件开发生存周期中不可避免的一个重要环节。尤其是当它变成嵌入式的时候。由于嵌入式软件对代码大小和资源消耗的要求较低，因此在开发阶段需要不断升级，代码变化较大。这导致了在生产时将bug侵入代码的巨大风险。本文提出了一种结合不变量分析的伪格式嵌入式程序调试方法。我们的方法工作在Daikon之上，Daikon是一个流行的不变量分析器。我们已经尝试了一个简化的代码片段[1]，在调试BusyBox中报告的错误时使用，BusyBox是嵌入式系统中Linux的事实标准。
2012-09-13 cs.SE
Architecting software monitors for control-flow anomaly detection through large language models and conformance checking
University of Naples Federico II（那不勒斯费德里科二世大学）；University of Applied Sciences and Arts of Southern Switzerland（瑞士南部应用科学与艺术大学）；University of Florence（佛罗伦萨大学）；Linnaeus University（林奈大学）
本文提出利用大型语言模型和符合性检查构建软件监视器，以检测控制流异常。通过在铁路交通管理系统中测试，该方法实现了82.849%的控制流覆盖率和95.957%的F1分数。
2026-03-27 cs.LG cs.SE
A RAG Method for Source Code Inquiry Tailored to Long-Context LLMs
针对长上下文 LLM 在软件开发中的源代码查询问题，提出将执行轨迹融入 RAG 的方法，并通过小规模实验验证其提升回答质量的潜力。
2024-04-09 cs.SE
Mining Reddit Data to Elicit Students' Requirements During COVID-19 Pandemic
本研究提出从问题本身而非软件反馈中挖掘需求，利用 Reddit 数据与机器学习技术识别疫情期间学生需求，F 分数达 0.79，验证了可行性。
2023-07-26 cs.SE
Designing Security and Privacy Requirements in Internet of Things: A Survey
物联网（IoT）应用的设计和开发过程比桌面、移动或Web应用更复杂。首先，物联网应用需要软件和硬件在不同条件下跨具有不同功能的不同节点协同工作。其次，物联网应用开发涉及桌面，Web，嵌入式和移动等不同的软件工程师进行合作。此外，开发过程需要将不同的软件\hardware堆栈集成在一起。由于上述复杂性，在物联网应用程序开发过程中，往往会忽略非功能性需求（如安全性和隐私性）。在本文中，我们回顾了正在开发的技术，方法和工具，以支持将安全和隐私的要求纳入传统的应用程序设计。通过这样做，我们的目标是探索这些技术如何适用于物联网领域。在本文中，我们主要关注两个不同的方面：（1）便于捕获非功能需求（即，安全和隐私），以及（2）可用于支持和增强物联网应用程序设计过程的主动和被动交互技术。我们的目标不仅是分析过去的研究工作，还讨论它们对物联网的适用性。
2019-10-22 cs.HC cs.SE
SCALE: Constructing Structured Natural Language Comment Trees for Software Vulnerability Detection
SCALE框架通过构建结构化自然语言注释树，将代码语句语义与执行序列融入预训练模型，以提升软件漏洞检测能力。
2024-03-28 cs.CR cs.SE
Analyzing Toxicity in Open Source Software Communications Using Psycholinguistics and Moral Foundations Theory
本研究利用心理语言学词典和道德基础理论，提出机器学习方法自动检测开源软件通信中的毒性，相比现有检测器F1分数提升7%，验证了道德特征的有效性。
2025-01-27 cs.SE
Opportunities and Security Risks of Technical Leverage: A Replication Study on the NPM Ecosystem
该研究复现现有技术杠杆相关工作，扩展分析NPM生态的一级传递依赖，发现其技术杠杆的机遇与风险均被放大，高杠杆可加快发布但漏洞风险更高。
2024-12-09 cs.SE
COCO: Testing Code Generation Systems via Concretized Instructions
针对代码生成系统的鲁棒性问题，本研究提出COCO技术，通过生成含原始代码特征的具体化指令检测不一致，实验证明其效果远超现有通用测试技术，且生成的指令可通过微调提升系统鲁棒性。
2023-08-25 cs.SE
