Download Agent4SE Paper List - Download do código-fonte Agent4SE Paper List

Agentes baseados em modelos de linguagem grande para engenharia de software: uma pesquisa

O recente avanço nos Grandes Modelos de Linguagem (LLMs) moldou um novo paradigma de agentes de IA, ou seja, agentes baseados em LLM. Em comparação com LLMs autônomos, os agentes baseados em LLM ampliam substancialmente a versatilidade e a experiência dos LLMs, aprimorando-os com as capacidades de perceber e utilizar recursos e ferramentas externas. Até o momento, os agentes baseados em LLM foram aplicados e demonstraram notável eficácia em Engenharia de Software (SE). A sinergia entre múltiplos agentes e a interação humana traz mais promessas na abordagem de problemas complexos de SE do mundo real. Neste trabalho, apresentamos uma pesquisa abrangente e sistemática sobre agentes baseados em LLM para SE. Coletamos 106 artigos e os categorizamos sob duas perspectivas, ou seja, as perspectivas do SE e do agente. Além disso, discutimos desafios abertos e direções futuras neste domínio crítico.

? Resumimos sistematicamente o progresso do Agent4SE a partir das perspectivas das tarefas de Engenharia de Software e da Arquitetura do Agente .

? Link do artigo: Agentes baseados em modelos de linguagem grande para engenharia de software: uma pesquisa

imagem-20240921134539206

Marque este repositório com estrela

Este campo de investigação está a evoluir rapidamente; marque este repositório com estrela para acompanhar as atualizações!

Notícias

[2024/09/04] Lançamos a primeira versão de nossa pesquisa no arXiv.

Índice

Notícias
Perspectivas SE

Localização de falhas
Reparo do programa
Depuração Unificada
Teste de unidade
Teste de sistema
Detecção de bug estático
Revisão de código
Engenharia de Requisitos
Geração de código
Verificação
Verificação de código estático
Teste
Depuração
Liberar
Desenvolvimento de software ponta a ponta
Manutenção de software ponta a ponta

Perspectivas do Agente

Fase de Planejamento
Fase de Requisitos
Fase de Desenvolvimento
Fase de Avaliação
Funções do Agente
Mecanismo de Colaboração
Planejamento
Memória
Percepção
Ação
Estrutura do Agente
Sistema Multiagente
Colaboração Homem-Agente

Citação
Mantenedores
Contate-nos
História das Estrelas

Perspectivas SE

SE_tarefas

Engenharia de Requisitos

[2024/05] MARE: Estrutura de Colaboração Multiagentes para Engenharia de Requisitos. Jin et al. arXiv. [papel]
[2024/04] Elicitron: Uma estrutura de simulação baseada em agente LLM para elicitação de requisitos de projeto. Ataei et al. arXiv. [papel]
[2024/01] SpecGen: Geração automatizada de especificações formais de programas por meio de grandes modelos de linguagem. Ma et al. arXiv. [papel] [repositório]
[2023/10] Avanço na Engenharia de Requisitos por meio de IA Generativa: Avaliando o Papel dos LLMs. Arora et al. arXiv. [papel]

Geração de código

[2024/11] Programação Orientada ao Planejamento: Um Grande Fluxo de Trabalho de Programação de Modelo de Linguagem Lei et al. arXiv [papel]
[2024/11] Cadeia de Programação: Capacitando Grandes Modelos de Linguagem para Geração de Código Geoespacial Hou et al. arXiv [papel]
[2024/10] Sandbox de linguagem de programação múltipla para LLMs Dou et al. arXiv [papel]
[2024/10] SceneGenAgent: Geração precisa de cena industrial com agente de codificação Xia et al. arXiv [papel] [repositório]
[2024/10] MCCoder: Simplificando o controle de movimento com geração de código assistida por LLM e verificação rigorosa Li et al. arXiv [papel] [repositório]
[2024/10] Agents4PLC: Automatizando a geração e verificação de código PLC de malha fechada em sistemas de controle industrial usando agentes baseados em LLM Liu et al. arXiv [papel] [repositório]
[2024/10] Melhorando o desempenho do programa paralelo por meio da geração de código baseado em DSL com otimizadores LLM Wei et al. arXiv. [papel]
[2024/10] AgentBank: Rumo a agentes LLM generalizados por meio de ajuste fino em mais de 50.000 trajetórias de interação Song et al. arXiv. [papel]
[2024/10] RLEF: CÓDIGO DE ATERRAMENTO LLMS EM FEEDBACK DE EXECUÇÃO COM APRENDIZAGEM POR REFORÇO Gehring et al. arXiv. [papel]
[2024/10] Melhor que seu professor: agentes LLM que aprendem com feedback de IA privilegiada Choudhury et al. arXiv. [papel]
[2024/10] AMR-Evol: A evolução da resposta modular adaptativa provoca melhor destilação de conhecimento para grandes modelos de linguagem na geração de código Luo et al. arXiv. [papel] [repositório]
[2024/10] RGD: Depurador de Agente Baseado em Multi-LLM via Refinamento e Orientação de Geração Jin et al. arXiv. [papel]
[2024/09] AutoSafeCoder: uma estrutura multiagente para proteger a geração de código LLM por meio de análise estática e testes fuzz Nunez et al. arXiv [papel] [repositório]
[2024/09] Uma estrutura de programação em pares para geração de código por meio de exploração multiplano e refinamento baseado em feedback Zhang et al. arXiv [papel] [repositório]
[2024/08] Peneirando o joio: sobre a utilização do feedback de execução para classificar os candidatos ao código gerado Sun et al. arXiv [papel]
[2024/08] CODEXGRAPH: Unindo grandes modelos de linguagem e repositórios de código por meio de bancos de dados de grafos de código Liu et al. arXiv. [papel] [repositório]
[2024/07] MÃOS ABERTAS: UMA PLATAFORMA ABERTA PARA DESENVOLVEDORES DE SOFTWARE DE IA COMO AGENTES GENERALISTAS Wang et al. arXiv [papel] [repositório]
[2024/05] Geração de código em nível de classe a partir de linguagem natural usando raciocínio iterativo e aprimorado por ferramentas sobre repositório. Deshpande et al. arXiv. [papel]
[2024/05] MapCoder: Geração de código multiagente para solução competitiva de problemas. Islã e outros. LCA. [papel] [repositório]
[2024/05] AutoCoder: Aprimorando o modelo de linguagem grande de código com AIEV-INSTRUCT. Lei et al. arXiv. [papel] [repositório]
[2024/04] 3DGen: geração assistida por IA de analisadores de formato binário comprovadamente corretos . Fakhoury et al. arXiv [papel]
[2024/04] Agentes auto-organizados: uma estrutura multiagente LLM para geração e otimização de código em escala ultralarga. Ishibashi et al. arXiv. [papel] [repositório]
[2024/03] AutoDev: Desenvolvimento automatizado baseado em IA . Tufano et al. arXiv [papel]
[2024/03] CoCoST: Geração Automática de Código Complexo com Pesquisa Online e Teste de Correção. Ele e outros. arXiv. [papel]
[2024/03] RAT: Recuperação de pensamentos aumentados que provocam raciocínio consciente do contexto na geração de longo horizonte . Wang et al. arXiv. [papel] [repositório]
[2024/02] Ações de código executável geram melhores agentes LLM. Wang et al. ICML. [papel] [repositório]
[2024/02] Mais agentes é tudo que você precisa. Li et al. arXiv. [papel]
[2024/02] Desenvolvimento Orientado a Testes para Geração de Código. Mathews et al. arXiv. [papel] [repositório]
[2024/02] LDB: um depurador de modelo de linguagem grande por meio da verificação passo a passo da execução em tempo de execução. Zhong et al. arXiv. [papel] [repositório]
[2024/01] CodeAgent: Aprimorando a geração de código com sistemas de agentes integrados a ferramentas para desafios de codificação em nível de repositório do mundo real. Zhang et al. LCA. [papel]
[2024/01] Ensinando LLMs de código a usar ferramentas de preenchimento automático na geração de código em nível de repositório. Wang et al. arXiv. [papel]
[2024/01] Geração de código com AlphaCodium: da engenharia imediata à engenharia de fluxo. Ridnik et al. arXiv. [papel] [repositório]
[2023/12] AgentCoder: Geração de código baseada em multiagentes com testes iterativos e otimização. Huang et al. arXiv. [papel]
[2023/12] LLM4TDD: Melhores práticas para desenvolvimento orientado a testes usando grandes modelos de linguagem. Piya et al. arXiv. [papel] [repositório]
[2023/11] INTERVENTOR: Promovendo a capacidade de codificação de grandes modelos de linguagem com a cadeia interativa de reparo. Wang et al. LCA. [papel] [repositório]
[2023/10] Rede dinâmica de agentes LLM: uma estrutura de colaboração de agentes LLM com otimização da equipe de agentes. Liu et al. arXiv. [papel] [repositório]
[2023/10] Lemur: Harmonizando Linguagem Natural e Código para Agentes Linguísticos. Xu et al. ICLR. [papel] [repositório]
[2023/10] ClarifyGPT: Capacitando a geração de código baseada em LLM com esclarecimento de intenção. Mu et al. arXiv. [papel] [repositório]
[2023/10] CODECHAIN: RUMO À GERAÇÃO DE CÓDIGO MODULAR ATRAVÉS DE CADEIA DE AUTO-REVISÕES COM SUBMÓDULOS REPRESENTATIVOS. Le et al. ICLR. [papel] [repositório]
[2023/10] A pesquisa em árvore de agentes de linguagem unifica raciocínio, ação e planejamento em modelos de linguagem. Zhou et al. ICML. [papel] [repositório]
[2023/09] MINT: AVALIANDO LLMS EM INTERAÇÃO MULTI-TURNA COM FERRAMENTAS E FEEDBACK DE LÍNGUA. Wang et al. ICLR. [papel] [repositório]
[2023/09] Compreensão da programação orientada a casos de teste em grandes modelos de linguagem para melhor geração de código. Tian et al. arXiv. [papel]
[2023/09] CodePlan: Codificação em nível de repositório usando LLMs e Planning. Bairi et al. FSE. [papel] [repositório]
[2023/09] Do uso indevido ao domínio: aprimorando a geração de código com encadeamento de IA baseado em conhecimento. Ren et al. ASE. [papel]
[2023/09] Parsel?: Raciocínio algorítmico com modelos de linguagem por meio da composição de decomposições. Zelikman et al. NeurIPS. [papel] [repositório]
[2023/08] AutoGen: Habilitando aplicativos LLM de última geração por meio de conversação multiagente. Wu et al. arXiv. [papel] [repositório]
[2023/08] Gentopia: uma plataforma colaborativa para LLMs aumentados por ferramentas. Xu et al. EMNLP. [papel] [repositório]
[2023/08] Fluxos: blocos de construção de raciocínio e colaboração com IA. Josifoski et al. arXiv. [papel] [repositório]
[2023/08] CodeCoT: Combatendo erros de sintaxe de código no raciocínio CoT para geração de código. Huang et al. arXiv. [papel]
[2023/06] SELFEVOLVE: Uma estrutura de evolução de código por meio de grandes modelos de linguagem. Jiang et al. arXiv. [papel]
[2023/06] InterCode: Padronização e benchmarking de codificação interativa com feedback de execução. Yang et al. NeurIPS. [papel] [repositório]
[2023/06] O AUTO-REPARO É UMA BALA DE PRATA PARA A GERAÇÃO DE CÓDIGO?. Olausson et al. ICLR. [papel] [repositório]
[2023/05] ToolCoder: Ensinar modelos de geração de código a usar ferramentas de pesquisa de API. Zhang et al. arXiv. [papel]
[2023/05] Autoedição: Editor de código com reconhecimento de falhas para geração de código . Zhang et al. LCA. [papel]
[2023/04] Ensinando grandes modelos de linguagem para autodepuração. Chen et al. ICLR. [papel]
[2023/04] Programação Totalmente Autônoma com Grandes Modelos de Linguagem. Liventsev et al. GECO. [papel]
[2023/03] CAMEL: Agentes Comunicativos para Exploração da “Mente” da Sociedade Modelo de Grandes Linguagens. Li et al. NeurIPS. [papel] [repositório]
[2023/03] Reflexão: Agentes Linguísticos com Aprendizagem por Reforço Verbal. Shinn et al. NeurIPS. [papel] [repositório]
[2023/03] AUTO-REFINO: Refinamento Iterativo com Auto-Feedback. Madaan et al. NeurIPS. [papel] [repositório]

Verificação

[2024/10] Geração automatizada de provas para código Rust via autoevolução Chen et al. arXiv [papel]
[2024/09] AutoVerus: Geração automatizada de provas para Rust Code Yang et al. arXiv [papel]

Verificação de código estático

Detecção de bug estático

[2024/10] Aproveitando modelos de linguagem ajustados para auditoria de contratos inteligentes eficiente e precisa Wei et al. arXiv [papel] [repositório]
[2024/10] LLM-SmartAudit: Detecção Avançada de Vulnerabilidade em Contratos Inteligentes Wei et al. arXiv. [papel] [repositório]
[2024/05] Análise estática assistida por LLM para detecção de vulnerabilidades de segurança. Li et al. arXiv. [papel]
[2024/05] PropertyGPT: Verificação formal de contratos inteligentes orientada por LLM por meio de geração de propriedade aumentada por recuperação. Liu et al. arXiv. [papel] [repositório]
[2024/03] Consenso multifuncional através de discussões de LLMs para detecção de vulnerabilidades. Mao et al. QRS. [papel]
[2024/03] Combinação de agentes de ajuste fino e baseados em LLM para auditoria intuitiva de contratos inteligentes com justificativas. Ma et al. arXiv. [papel] [repositório]
[2024/02] Quando a análise de fluxo de dados atende a grandes modelos de linguagem. Wang et al. arXiv. [papel]
[2024/01] LLM4Vuln: Uma Estrutura de Avaliação Unificada para Desacoplar e Melhorar o Raciocínio de Vulnerabilidade dos LLMs. Sun et al. arXiv. [papel] [repositório]
[2023/12] E&V: Solicitando que grandes modelos de linguagem realizem análises estáticas por meio de execução e verificação de pseudocódigo. Hao et al. arXiv. [papel]
[2023/10] Detecção de vulnerabilidade de contrato inteligente baseada em modelo de linguagem grande: novas perspectivas. Hu et al. TPS-ISA. [papel] [repositório]
[2023/10] Análise estática de código na era da IA: uma exploração aprofundada do conceito, função e potencial da análise inteligente de código. Fan et al. arXiv. [papel]
[2023/08] Aprimorando a análise estática para detecção prática de bugs: uma abordagem integrada ao LLM. Li et al. arXiv. [papel] [repositório]
[2023/03] ART: Raciocínio automático em várias etapas e uso de ferramentas para grandes modelos de linguagem. Paranjapé et al. arXiv. [papel] [repositório]

Revisão de código

[2024/10] Agente como Juiz: Avaliar Agentes com Agentes Zhuge et al. arXiv. [papel] [repositório]
[2024/09] Dividir e conquistar: automatizando revisões de código por meio de localização e revisão Wang et al. ACM Trans. Suave. Eng. Método. [papel]
[2024/04] Revisão de código com tecnologia de IA com LLMs: primeiros resultados. Rasheed et al. arXiv. [papel]
[2024/02] CodeAgent: Agentes Colaborativos para Engenharia de Software. Tang et al. arXiv. [papel] [repositório]
[2023/10] Análise estática de código na era da IA: uma exploração aprofundada do conceito, função e potencial da análise inteligente de código. Fan et al. arXiv. [papel]
[2023/09] CORE: Resolvendo problemas de qualidade de código usando LLMs. Wadhwa et al. FSE. [papel] [repositório]

Teste

Teste de unidade

[2024/11] ReAccept: Coevolução automatizada de código de produção e teste com base em validação dinâmica e modelos de linguagem grande Chi et al. arXiv [papel] [repositório]
[2024/09] Execução Simbólica Python com Geração de Código baseada em LLM Wang et al. arXiv [papel]
[2024/06] Mokav: Testes Diferenciais Orientados à Execução com LLMs. Etemadi et al. arXiv. [papel] [repositório]
[2024/04] Aprimoramento da geração de testes baseados em LLM para filiais difíceis de cobrir por meio de análise de programa. Yang et al. arXiv. [papel]
[2024/03] AutoDev: Desenvolvimento automatizado baseado em IA . Tufano et al. arXiv [papel]
[2024/03] COVERUP: Geração de testes baseados em LLM guiados por cobertura. Pizzorno et al. arXiv. [papel] [repositório]
[2023/08] Geração eficaz de testes usando grandes modelos de linguagem pré-treinados e testes de mutação. Dakhel et al. Inf. Suave. Tecnologia. . [papel] [repositório]
[2023/05] Chega de testes manuais? Avaliando e melhorando o ChatGPT para geração de testes unitários. Yuan et al. arXiv. [papel] [repositório]
[2023/05] ChatUniTest: uma estrutura para geração de testes baseados em LLM. Chen et al. FSE. [papel] [repositório]
[2023/02] Uma avaliação empírica do uso de grandes modelos de linguagem para geração automatizada de testes unitários. Schäfer et al. IEEE Trans. Eng. de Software.. [papel] [repo]

Teste de sistema

[2024/11] Um sistema aprimorado com gráfico de conhecimento de código para geração de driver Fuzz baseado em LLM Xu et al. arXiv. [papel]
[2024/07] Teste automatizado de GUI móvel baseado em visão por meio de modelo multimodal de linguagem grande. Liu et al. arXiv. [papel] [repositório]
[2024/04] Agentes LLM podem explorar vulnerabilidades de um dia de forma autônoma. Fang et al. arXiv. [papel]
[2024/02] Você pode REST agora: inferência automatizada de especificações e teste de caixa preta de APIs RESTful com grandes modelos de linguagem. Decrop et al. arXiv. [papel] [repositório]
[2024/01] XUAT-Copilot: Sistema colaborativo multiagente para testes automatizados de aceitação de usuários com modelo de linguagem grande. Wang et al. arXiv. [papel]
[2024/01] KernelGPT: Fuzzing aprimorado do kernel por meio de modelos de linguagem grandes. Yang et al. arXiv. [papel]
[2023/11] Teste de GUI móvel orientado por intenção com agentes autônomos de modelo de linguagem grande . Yoon et al. ICST. [papel] [repositório]
[2023/10] Faça do LLM um especialista em testes: trazendo interação semelhante à humana para testes de GUI móvel por meio de decisões conscientes da funcionalidade. Liu et al. ICSE. [papel]
[2023/10] AXNav: Reproduzindo testes de acessibilidade de linguagem natural. Taeb et al. QUI. [papel]
[2023/10] Fuzzing do compilador de caixa branca capacitado por grandes modelos de linguagem. Yang et al. arXiv. [papel] [repositório]
[2023/10] Testando os limites: geração incomum de entradas de texto para detecção de falhas em aplicativos móveis com modelo de linguagem grande. Liu et al. ICSE. [papel] [repositório]
[2023/08] PENTESTGPT: Uma ferramenta de teste de penetração automática com LLM. Deng et al. arXiv. [papel] [repositório]
[2023/08] Fuzz4All: Fuzzing universal com grandes modelos de linguagem. Xia et al. ICSE. [papel] [repositório]
[2023/07] Isolando bugs do compilador gerando programas testemunhas eficazes com grandes modelos de linguagem. Tu et al. IEEE Trans. Engº de Software. [papel] [repositório]
[2023/06] Solicitação é tudo que você precisa: repetição automatizada de bugs do Android com grandes modelos de linguagem. Feng et al. ICSE. [papel] [repositório]

Depuração

Localização de falhas

[2024/11] FlexFL: Localização flexível e eficaz de falhas com modelos de linguagem grande e de código aberto Xu et al. arXiv [papel]
[2024/09] Aprimorando a localização de falhas por meio de análise de código ordenado com agentes LLM e autorreflexão Rafi et al. arXiv [papel]
[2024/03] AGENTFL: Escalando a localização de falhas baseada em LLM para o contexto de nível de projeto. Qin et al. arXiv. [papel]
[2023/10] RCAgent: Análise de causa raiz da nuvem por agentes autônomos com grandes modelos de linguagem aumentados por ferramentas. Wang et al. arXiv. [papel]
[2023/08] Uma avaliação quantitativa e qualitativa da localização de falhas explicáveis baseada em LLM . Kang et al. FSE. [papel]

Reparo do programa

[2024/07] MÃOS ABERTAS: UMA PLATAFORMA ABERTA PARA DESENVOLVEDORES DE SOFTWARE DE IA COMO AGENTES GENERALISTAS Wang et al. arXiv [papel] [repositório]
[2024/10] Pesquisa guiada semântica para reparo eficiente de programas com grandes modelos de linguagem Thanh et al. arXiv [papel]
[2024/09] Reparo neurosimbólico da descamação do teste . Chen et al. ISSTA. [papel]
[2024/04] Até onde podemos ir com o reparo prático do programa em nível de função? Xiang et al. arXiv. [papel] [repositório]
[2024/03] RepairAgent: um agente autônomo baseado em LLM para reparo de programas. Bouzenia et al. arXiv. [papel]
[2024/03] ACFIX: Orientando LLMs com práticas comuns de RBAC extraídas para reparo baseado no contexto de vulnerabilidades de controle de acesso em contratos inteligentes. Zhang et al. arXiv. [papel]
[2024/02] CigaR: Reparo de programa econômico com LLMs. Hidvégi et al. arXiv. [papel] [repositório]
[2023/04] Depuração automatizada explicável por meio de depuração científica orientada por modelo de linguagem grande. Kang et al. arXiv. [papel]
[2023/04] Continue a conversa: corrigindo 162 de 337 bugs por US$ 0,42 cada usando ChatGPT. Xia et al. arXiv. [papel]
[2023/01] Reparo de programa automatizado de conversação. Xia et al. arXiv. [papel]

Depuração Unificada

[2024/04] Uma abordagem de depuração unificada por meio de sinergia multiagente baseada em LLM. Lee et al. arXiv. [papel] [repositório]
[2024/02] LDB: um depurador de modelo de linguagem grande por meio da verificação passo a passo da execução em tempo de execução. Zhong et al. arXiv. [papel] [repositório]

Liberar

[2024/08] GoNoGo: um sistema multiagente eficiente baseado em LLM para agilizar a tomada de decisões sobre lançamento de software automotivo Khoee et al. arXiv [papel]

Desenvolvimento de software ponta a ponta

[2024/09] Gerando emparelhamento de código Java com ChatGPT Zhao et al. Ciência da Computação Teórica [artigo]
[2024/07] Capacitando o desenvolvimento de software generativo baseado em Ágil por meio do trabalho em equipe de IA humana Zhang et al. TOSEM [papel] [repositório]
[2024/06] Experimentando o desenvolvimento de software multiagente: rumo a uma plataforma unificada Sami et al. arXiv. [papel]
[2024/06] Dimensionamento da colaboração multiagente baseada em modelo de grande linguagem Qian et al. arXiv. [papel] [repositório]
[2024/06] Desenvolvimento de software multiagente por meio de colaboração entre equipes. Du et al. arXiv. [papel] [repositório]
[2024/06] AgileCoder: Agentes Colaborativos Dinâmicos para Desenvolvimento de Software baseados em Metodologia Ágil. Nguyen et al. arXiv. [papel] [repositório]
[2024/05] Refinamento da experiência iterativa de agentes de desenvolvimento de software. Qian et al. arXiv. [papel]
[2024/03] Quando a geração de código baseada em LLM atende ao processo de desenvolvimento de software. Lin et al. arXiv. [papel] [repositório]
[2024/03] CodeS: Linguagem Natural para Repositório de Código via Multi-Layer Sketch. Zan et al. arXiv. [papel] [repositório]
[2024/02] CodePori: Modelo em Grande Escala para Desenvolvimento Autônomo de Software Usando Multiagentes. Rasheed et al. arXiv. [papel]
[2024/01] Experimentando uma nova prática de programação com LLMs. Zhang et al. arXiv. [papel] [repositório]
[2024/01] LLM4PLC: Aproveitando Grandes Modelos de Linguagem para Programação Verificável de PLCs em Sistemas de Controle Industrial. Fakih et al. ICSE. [papel] [repositório]
[2023/12] Co-Aprendizado Experiencial de Agentes Desenvolvedores de Software. Qian et al. LCA. [papel] [repositório]
[2023/11] Agentes autônomos no desenvolvimento de software: um documento de visão Rasheed et al. arXiv. [papel]
[2023/09] AutoAgents: uma estrutura para geração automática de agentes. Chen et al. arXiv. [papel] [repositório]
[2023/08] AgentVerse: Facilitando a colaboração multiagente e explorando comportamentos emergentes. Chen et al. ICLR. [papel] [repositório]
[2023/08] METAGPT: METAPROGRAMAÇÃO PARA UM QUADRO COLABORATIVO MULTIAGENTE. Hong et al. ICLR. [papel] [repositório]
[2023/07] Agentes Comunicativos para Desenvolvimento de Software. Qian et al. LCA. [papel] [repositório]
[2023/06] COLABORAÇÃO MULTIAGENTE: APROVEITANDO O PODER DOS AGENTES LLM INTELIGENTES. Talebirad et al. arXiv. [papel]
[2023/06] Prompt Sapper: Infraestrutura de engenharia de software capacitada por LLM para serviços nativos de IA. Xing et al. arXiv. [papel]
[2023/04] Geração de código de autocolaboração via ChatGPT. Dong et al. arXiv. [papel] [repositório]
[2023/04] Low-code LLM: Programação Visual sobre LLMs. Cai et al. arXiv. [papel] [repositório]

Manutenção de software ponta a ponta

[2024/11] LLMs como aprendizes contínuos: melhorando a reprodução de códigos defeituosos em problemas de software Lin et al. arXiv [papel]
[2024/11] Agentes de desenvolvimento de software Human-In-the-Loop Takerngsaksiri et al. arXiv [papel]
[2024/11] Lingma SWE-GPT: Um modelo de linguagem aberta centrada em processos de desenvolvimento para melhoria automatizada de software Ma et al. arXiv [papel] [repositório]
[2024/10] RepoGraph: Aprimorando a engenharia de software de IA com gráfico de código em nível de repositório Ouyang et al. arXiv [papel] [repositório]
[2024/09] Agente MarsCode: correção automatizada de bugs nativa de IA Liu et al. arXiv. [papel]
[2024/08] CODEXGRAPH: Unindo grandes modelos de linguagem e repositórios de código por meio de bancos de dados de grafos de código Liu et al. arXiv. [papel] [repositório]
[2024/08] DIVERSIDADE FORNECE INTELIGÊNCIA: INTEGRAÇÃO DE EXPERIÊNCIA DE AGENTES DE ENGENHARIA DE SOFTWARE Zhang et al. arXiv. [papel]
[2024/08] SpecRover: Extração de intenção de código via LLMs Ruan et al. arXiv. [papel] [repositório]
[2024/07] MÃOS ABERTAS: UMA PLATAFORMA ABERTA PARA DESENVOLVEDORES DE SOFTWARE DE IA COMO AGENTES GENERALISTAS Wang et al. arXiv [papel] [repositório]
[2024/07] Sem agente: desmistificando agentes de engenharia de software baseados em LLM. Xia et al. arXiv. [papel] [repositório]
[2024/06] Como entender todo o repositório de software? Ma et al. arXiv. [papel] [repositório]
[2024/06] CODER: RESOLUÇÃO DE PROBLEMAS COM MULTIAGENTE E GRÁFICOS DE TAREFAS. Chen et al. arXiv. [papel] [repositório]
[2024/06] MASAI: Arquitetura modular para agentes de IA de engenharia de software. Arora et al. arXiv. [papel]
[2024/05] SWE-AGENT: INTERFACES AGENTE-COMPUTADOR PERMITEM ENGENHARIA DE SOFTWARE AUTOMATIZADA. Yang et al. arXiv. [papel] [repositório]
[2024/04] AutoCodeRover: Melhoria do Programa Autônomo. Zhang et al. ISSTA. [papel] [repositório]
[2024/03] MAGIS: Estrutura multiagente baseada em LLM para resolução de problemas do GitHub. Tao et al. arXiv. [papel]

Referência

[2024/10] SWE-Bench+: Benchmark de codificação aprimorada para LLMs Aleithan et al. arXiv. [papel]
[2024/10] SWE-bench Multimodal: Os sistemas de IA generalizam para domínios de software visual? Yang et al. arXiv. [papel] [repositório]
[2024/08] SWE-bench-java: um benchmark de resolução de problemas do GitHub para Java Zan et al. arXiv [papel] [repositório]
[2024/07] Sem agente: desmistificando agentes de engenharia de software baseados em LLM. Xia et al. arXiv. [papel] [repositório]
[2023/10] Swe-bench: Os modelos de linguagem podem resolver problemas reais do GitHub? Jiménez et al. ICLR [artigo] [repositório]

Perspectivas do Agente

Estrutura do Agente

Planejamento

Planejamento de turno único

[2024/06] AgileCoder: Agentes Colaborativos Dinâmicos para Desenvolvimento de Software baseados em Metodologia Ágil. Nguyen et al. arXiv. [papel] [repositório]
[2024/06] Desenvolvimento de software multiagente por meio de colaboração entre equipes. Du et al. arXiv. [papel] [repositório]
[2024/05] MapCoder: Geração de código multiagente para solução competitiva de problemas. Islã e outros. LCA. [papel] [repositório]
[2024/03] MAGIS: Estrutura multiagente baseada em LLM para resolução de problemas do GitHub. Tao et al. arXiv. [papel]
[2024/03] CodeS: Linguagem Natural para Repositório de Código via Multi-Layer Sketch. Zan et al. arXiv. [papel] [repositório]
[2024/03] CoCoST: Geração Automática de Código Complexo com Pesquisa Online e Teste de Correção. Ele e outros. arXiv. [papel]
[2024/02] CodePori: Modelo em Grande Escala para Desenvolvimento Autônomo de Software Usando Multiagentes. Rasheed et al. arXiv. [papel]
[2024/01] CodeAgent: Aprimorando a geração de código com sistemas de agentes integrados a ferramentas para desafios de codificação em nível de repositório do mundo real. Zhang et al. LCA. [papel]
[2024/01] LLM4PLC: Aproveitando Grandes Modelos de Linguagem para Programação Verificável de PLCs em Sistemas de Controle Industrial. Fakih et al. ICSE. [papel] [repositório]
[2024/01] Experimentando uma nova prática de programação com LLMs. Zhang et al. arXiv. [papel] [repositório]
[2023/11] Agentes autônomos no desenvolvimento de software: um documento de visão Rasheed et al. arXiv. [papel]
[2023/10] Análise estática de código na era da IA: uma exploração aprofundada do conceito, função e potencial da análise inteligente de código. Fan et al. arXiv. [papel]
[2023/09] Parsel?: Raciocínio algorítmico com modelos de linguagem por meio da composição de decomposições. Zelikman et al. NeurIPS. [papel] [repositório]
[2023/08] PENTESTGPT: Uma ferramenta de teste de penetração automática com LLM. Deng et al. arXiv. [papel] [repositório]
[2023/08] Fluxos: blocos de construção de raciocínio e colaboração com IA. Josifoski et al. arXiv. [papel] [repositório]
[2023/08] METAGPT: METAPROGRAMAÇÃO PARA UM QUADRO COLABORATIVO MULTIAGENTE. Hong et al. ICLR. [papel] [repositório]
[2023/07] Agentes Comunicativos para Desenvolvimento de Software. Qian et al. LCA. [papel] [repositório]
[2023/04] Geração de código de autocolaboração via ChatGPT. Dong et al. arXiv. [papel] [repositório]
[2023/04] Low-code LLM: Programação Visual sobre LLMs. Cai et al. arXiv. [papel] [repositório]

Planejamento multivoltas

[2024/03] RAT: Recuperação de pensamentos aumentados que provocam raciocínio consciente do contexto na geração de longo horizonte . Wang et al. arXiv. [papel] [repositório]

Reagir

[2024/06] MASAI: Arquitetura modular para agentes de IA de engenharia de software. Arora et al. arXiv. [papel]
[2024/02] Ações de código executável geram melhores agentes LLM. Wang et al. ICML. [papel] [repositório]
[2024/01] CodeAgent: Aprimorando a geração de código com sistemas de agentes integrados a ferramentas para desafios de codificação em nível de repositório do mundo real. Zhang et al. LCA. [papel]
[2024/01] XUAT-Copilot: Sistema colaborativo multiagente para testes automatizados de aceitação de usuários com modelo de linguagem grande. Wang et al. arXiv. [papel]
[2023/11] Teste de GUI móvel orientado por intenção com agentes autônomos de modelo de linguagem grande . Yoon et al. ICST. [papel] [repositório]
[2023/10] RCAgent: Análise de causa raiz da nuvem por agentes autônomos com grandes modelos de linguagem aumentados por ferramentas. Wang et al. arXiv. [papel]
[2023/10] A pesquisa em árvore de agentes de linguagem unifica raciocínio, ação e planejamento em modelos de linguagem. Zhou et al. ICML. [papel] [repositório]
[2023/10] AXNav: Reproduzindo testes de acessibilidade de linguagem natural. Taeb et al. QUI. [papel]
[2023/09] CodePlan: Codificação em nível de repositório usando LLMs e Planning. Bairi et al. FSE. [papel] [repositório]

Em camadas

[2024/04] Agentes auto-organizados: uma estrutura multiagente LLM para geração e otimização de código em escala ultralarga. Ishibashi et al. arXiv. [papel] [repositório]

Memória

Memória de longo prazo

[2024/06] Dimensionamento da colaboração multiagente baseada em modelo de grande linguagem Qian et al. arXiv. [papel] [repositório]
[2024/06] Desenvolvimento de software multiagente por meio de colaboração entre equipes. Du et al. arXiv. [papel] [repositório]
[2024/05] Refinamento da experiência iterativa de agentes de desenvolvimento de software. Qian et al. arXiv. [papel]
[2023/12] Co-Aprendizado Experiencial de Agentes Desenvolvedores de Software. Qian et al. LCA. [papel] [repositório]
[2023/11] Teste de GUI móvel orientado por intenção com agentes autônomos de modelo de linguagem grande . Yoon et al. ICST. [papel] [repositório]
[2023/09] AutoAgents: uma estrutura para geração automática de agentes. Chen et al. arXiv. [papel] [repositório]
[2023/08] METAGPT: METAPROGRAMAÇÃO PARA UM QUADRO COLABORATIVO MULTIAGENTE. Hong et al. ICLR. [papel] [repositório]
[2023/07] Agentes Comunicativos para Desenvolvimento de Software. Qian et al. LCA. [papel] [repositório]
[2023/03] Reflexão: Agentes Linguísticos com Aprendizagem por Reforço Verbal. Shinn et al. NeurIPS. [papel] [repositório]

Memória de curto prazo

[2024/07] Teste automatizado de GUI móvel baseado em visão por meio de modelo multimodal de linguagem grande. Liu et al. arXiv. [papel] [repositório]
[2024/06] Dimensionamento da colaboração multiagente baseada em modelo de grande linguagem Qian et al. arXiv. [papel] [repositório]
[2024/06] Desenvolvimento de software multiagente por meio de colaboração entre equipes. Du et al. arXiv. [papel] [repositório]
[2024/06] AgileCoder: Agentes Colaborativos Dinâmicos para Desenvolvimento de Software baseados em Metodologia Ágil. Nguyen et al. arXiv. [papel] [repositório]
[2024/04] Agentes auto-organizados: uma estrutura multiagente LLM para geração e otimização de código em escala ultralarga. Ishibashi et al. arXiv. [papel] [repositório]
[2024/03] MAGIS: Estrutura multiagente baseada em LLM para resolução de problemas do GitHub. Tao et al. arXiv. [papel]
[2024/01] XUAT-Copilot: Sistema colaborativo multiagente para testes automatizados de aceitação de usuários com modelo de linguagem grande. Wang et al. arXiv. [papel]
[2023/12] E&V: Solicitando que grandes modelos de linguagem realizem análises estáticas por meio de execução e verificação de pseudocódigo. Hao et al. arXiv. [papel]
[2023/11] Teste de GUI móvel orientado por intenção com agentes autônomos de modelo de linguagem grande . Yoon et al. ICST. [papel] [repositório]
[2023/10] RCAgent: Análise de causa raiz da nuvem por agentes autônomos com grandes modelos de linguagem aumentados por ferramentas. Wang et al. arXiv. [papel]
[2023/10] Análise estática de código na era da IA: uma exploração aprofundada do conceito, função e potencial da análise inteligente de código. Fan et al. arXiv. [papel]
[2023/10] Faça do LLM um especialista em testes: trazendo interação semelhante à humana para testes de GUI móvel por meio de decisões conscientes da funcionalidade. Liu et al. ICSE. [papel]
[2023/09] CodePlan: Codificação em nível de repositório usando LLMs e Planning. Bairi et al. FSE. [papel] [repositório]
[2023/09] AutoAgents: uma estrutura para geração automática de agentes. Chen et al. arXiv. [papel] [repositório]
[2023/08] METAGPT: METAPROGRAMAÇÃO PARA UM QUADRO COLABORATIVO MULTIAGENTE. Hong et al. ICLR. [papel] [repositório]
[2023/07] Agentes Comunicativos para Desenvolvimento de Software. Qian et al. LCA. [papel] [repositório]
[2023/03] Reflexão: Agentes Linguísticos com Aprendizagem por Reforço Verbal. Shinn et al. NeurIPS. [papel] [repositório]

Memória compartilhada: um tipo especial de memória de curto prazo

[2024/06] AgileCoder: Agentes Colaborativos Dinâmicos para Desenvolvimento de Software baseados em Metodologia Ágil. Nguyen et al. arXiv. [papel] [repositório]
[2024/05] MARE: Estrutura de Colaboração Multiagentes para Engenharia de Requisitos. Jin et al. arXiv. [papel]
[2024/03] Quando a geração de código baseada em LLM atende ao processo de desenvolvimento de software. Lin et al. arXiv. [papel] [repositório]
[2024/03] AGENTFL: Escalando a localização de falhas baseada em LLM para o contexto de nível de projeto. Qin et al. arXiv. [papel]
[2023/08] METAGPT: METAPROGRAMAÇÃO PARA UM QUADRO COLABORATIVO MULTIAGENTE. Hong et al. ICLR. [papel] [repositório]
[2023/04] Geração de código de autocolaboração via ChatGPT. Dong et al. arXiv. [papel] [repositório]

Percepção

Entrada visual

[2024/10] SWE-bench Multimodal: Os sistemas de IA generalizam para domínios de software visual? Yang et al. arXiv. [papel] [repositório]
[2024/07] Teste automatizado de GUI móvel baseado em visão por meio de modelo multimodal de linguagem grande. Liu et al. arXiv. [papel] [repositório]
[2024/06] Experimentando o desenvolvimento de software multiagente: rumo a uma plataforma unificada Sami et al. arXiv. [papel]
[2024/01] XUAT-Copilot: Sistema colaborativo multiagente para testes automatizados de aceitação de usuários com modelo de linguagem grande. Wang et al. arXiv. [papel]
[2023/10] AXNav: Reproduzindo testes de acessibilidade de linguagem natural. Taeb et al. QUI. [papel]
[2023/10] Testando os limites: geração incomum de entradas de texto para detecção de falhas em aplicativos móveis com modelo de linguagem grande. Liu et al. ICSE. [papel] [repositório]
[2023/08] METAGPT: METAPROGRAMAÇÃO PARA UM QUADRO COLABORATIVO MULTIAGENTE. Hong et al. ICLR. [papel] [repositório]

Ação

Ferramentas de pesquisa

[2024/05] Geração de código em nível de classe a partir de linguagem natural usando raciocínio iterativo e aprimorado por ferramentas sobre repositório. Deshpande et al. arXiv. [papel]
[2024/04] Agentes LLM podem explorar vulnerabilidades de um dia de forma autônoma. Fang et al. arXiv. [papel]
[2024/03] AutoDev: Desenvolvimento automatizado baseado em IA . Tufano et al. arXiv [papel]
[2024/03] RepairAgent: um agente autônomo baseado em LLM para reparo de programas. Bouzenia et al. arXiv. [papel]
[2024/03] CoCoST: Geração Automática de Código Complexo com Pesquisa Online e Teste de Correção. Ele e outros. arXiv. [papel]
[2024/03] RAT: Recuperação de pensamentos aumentados que provocam raciocínio consciente do contexto na geração de longo horizonte . Wang et al. arXiv. [papel] [repositório]
[2024/02] CodePori: Modelo em Grande Escala para Desenvolvimento Autônomo de Software Usando Multiagentes. Rasheed et al. arXiv. [papel]
[2024/01] LLM4Vuln: Uma Estrutura de Avaliação Unificada para Desacoplar e Melhorar o Raciocínio de Vulnerabilidade dos LLMs. Sun et al. arXiv. [papel] [repositório]
[2024/01] CodeAgent: Aprimorando a geração de código com sistemas de agentes integrados a ferramentas para desafios de codificação em nível de repositório do mundo real. Zhang et al. LCA. [papel]
[2023/12] E&V: Solicitando que grandes modelos de linguagem realizem análises estáticas por meio de execução e verificação de pseudocódigo. Hao et al. arXiv. [papel]
[2023/12] Co-Aprendizado Experiencial de Agentes Desenvolvedores de Software. Qian et al. LCA. [papel] [repositório]
[2023/11] Teste de GUI móvel orientado por intenção com agentes autônomos de modelo de linguagem grande . Yoon et al. ICST. [papel] [repositório]
[2023/10] Lemur: Harmonizando Linguagem Natural e Código para Agentes Linguísticos. Xu et al. ICLR. [papel] [repositório]
[2023/10] RCAgent: Análise de causa raiz da nuvem por agentes autônomos com grandes modelos de linguagem aumentados por ferramentas. Wang et al. arXiv. [papel]
[2023/10] Análise estática de código na era da IA: uma exploração aprofundada do conceito, função e potencial da análise inteligente de código. Fan et al. arXiv. [papel]
[2023/08] METAGPT: METAPROGRAMAÇÃO PARA UM QUADRO COLABORATIVO MULTIAGENTE. Hong et al. ICLR. [papel] [repositório]
[2023/08] PENTESTGPT: Uma ferramenta de teste de penetração automática com LLM. Deng et al. arXiv. [papel] [repositório]
[2023/08] AgentVerse: Facilitando a colaboração multiagente e explorando comportamentos emergentes. Chen et al. ICLR. [papel] [repositório]
[2023/08] Gentopia: uma plataforma colaborativa para LLMs aumentados por ferramentas. Xu et al. EMNLP. [papel] [repositório]
[2023/08] AutoGen: Habilitando aplicativos LLM de última geração por meio de conversação multiagente. Wu et al. arXiv. [papel] [repositório]
[2023/05] ToolCoder: Ensinar modelos de geração de código a usar ferramentas de pesquisa de API. Zhang et al. arXiv. [papel]
[2023/03] ART: Raciocínio automático em várias etapas e uso de ferramentas para grandes modelos de linguagem. Paranjapé et al. arXiv. [papel] [repositório]

Operação de arquivo

[2024/08] SpecRover: Extração de intenção de código via LLMs Ruan et al. arXiv. [papel] [repositório]
[2024/06] MASAI: Arquitetura modular para agentes de IA de engenharia de software. Arora et al. arXiv. [papel]
[2024/05] Análise estática assistida por LLM para detecção de vulnerabilidades de segurança. Li et al. arXiv. [papel]
[2024/05] SWE-AGENT: INTERFACES AGENTE-COMPUTADOR PERMITEM ENGENHARIA DE SOFTWARE AUTOMATIZADA. Yang et al. arXiv. [papel] [repositório]
[2024/04] Agentes LLM podem explorar vulnerabilidades de um dia de forma autônoma. Fang et al. arXiv. [papel]
[2024/03] RepairAgent: um agente autônomo baseado em LLM para reparo de programas. Bouzenia et al. arXiv. [papel]
[2024/03] AutoDev: Desenvolvimento automatizado baseado em IA . Tufano et al. arXiv [papel]
[2023/04] Depuração automatizada explicável por meio de depuração científica orientada por modelo de linguagem grande. Kang et al. arXiv. [papel]

Operação GUI

[2024/07] Teste automatizado de GUI móvel baseado em visão por meio de modelo multimodal de linguagem grande. Liu et al. arXiv. [papel] [repositório]
[2024/01] XUAT-Copilot: Sistema colaborativo multiagente para testes automatizados de aceitação de usuários com modelo de linguagem grande. Wang et al. arXiv. [papel]
[2023/10] Faça do LLM um especialista em testes: trazendo interação semelhante à humana para testes de GUI móvel por meio de decisões conscientes da funcionalidade. Liu et al. ICSE. [papel]
[2023/10] AXNav: Reproduzindo testes de acessibilidade de linguagem natural. Taeb et al. QUI. [papel]
[2023/10] Testando os limites: geração incomum de entradas de texto para detecção de falhas em aplicativos móveis com modelo de linguagem grande. Liu et al. ICSE. [papel] [repositório]
[2023/06] Solicitação é tudo que você precisa: repetição automatizada de bugs do Android com grandes modelos de linguagem. Feng et al. ICSE. [papel] [repositório]

Análise estática do programa

[2024/06] Desenvolvimento de software multiagente por meio de colaboração entre equipes. Du et al. arXiv. [papel] [repositório]
[2024/06] AgileCoder: Agentes Colaborativos Dinâmicos para Desenvolvimento de Software baseados em Metodologia Ágil. Nguyen et al. arXiv. [papel] [repositório]
[2024/06] MASAI: Arquitetura modular para agentes de IA de engenharia de software. Arora et al. arXiv. [papel]
[2024/05] Geração de código em nível de classe a partir de linguagem natural usando raciocínio iterativo e aprimorado por ferramentas sobre repositório. Deshpande et al. arXiv. [papel]
[2024/05] Análise estática assistida por LLM para detecção de vulnerabilidades de segurança. Li et al. arXiv. [papel]
[2024/04] AutoCodeRover: Melhoria do Programa Autônomo. Zhang et al. ISSTA. [papel] [repositório]
[2024/04] Aprimoramento da geração de testes baseados em LLM para filiais difíceis de cobrir por meio de análise de programa. Yang et al. arXiv. [papel]
[2024/04] 3DGen: geração assistida por IA de analisadores de formato binário comprovadamente corretos . Fakhoury et al. arXiv [papel]
[2024/03] AutoDev: Desenvolvimento automatizado baseado em IA . Tufano et al. arXiv [papel]
[2024/03] RepairAgent: um agente autônomo baseado em LLM para reparo de programas. Bouzenia et al. arXiv. [papel]
[2024/03] COVERUP: Geração de testes baseados em LLM guiados por cobertura. Pizzorno et al. arXiv. [papel] [repositório]
[2024/03] ACFIX: Orientando LLMs com práticas comuns de RBAC extraídas para reparo baseado no contexto de vulnerabilidades de controle de acesso em contratos inteligentes. Zhang et al. arXiv. [papel]
[2024/03] AGENTFL: Escalando a localização de falhas baseada em LLM para o contexto de nível de projeto. Qin et al. arXiv. [papel]
[2024/02] Quando a análise de fluxo de dados atende a grandes modelos de linguagem. Wang et al. arXiv. [papel]
[2024/02] LDB: um depurador de modelo de linguagem grande por meio da verificação passo a passo da execução em tempo de execução. Zhong et al. arXiv. [papel] [repositório]
[2024/01] Ensinando LLMs de código a usar ferramentas de preenchimento automático na geração de código em nível de repositório. Wang et al. arXiv. [papel]
[2024/01] CodeAgent: Aprimorando a geração de código com sistemas de agentes integrados a ferramentas para desafios de codificação em nível de repositório do mundo real. Zhang et al. LCA. [papel]
[2024/01] LLM4PLC: Aproveitando Grandes Modelos de Linguagem para Programação Verificável de PLCs em Sistemas de Controle Industrial. Fakih et al. ICSE. [papel] [repositório]
[2023/12] E&V: Solicitando que grandes modelos de linguagem realizem análises estáticas por meio de execução e verificação de pseudocódigo. Hao et al. arXiv. [papel]
[2023/09] CodePlan: Codificação em nível de repositório usando LLMs e Planning. Bairi et al. FSE. [papel] [repositório]
[2023/08] CodeCoT: Combatendo erros de sintaxe de código no raciocínio CoT para geração de código. Huang et al. arXiv. [papel]
[2023/07] Isolando bugs do compilador gerando programas testemunhas eficazes com grandes modelos de linguagem. Tu et al. IEEE Trans. Eng. de Software.. [papel] [repo]
[2023/06] Solicitação é tudo que você precisa: repetição automatizada de bugs do Android com grandes modelos de linguagem. Feng et al. ICSE. [papel] [repositório]

Análise Dinâmica

[2024/04] Aprimoramento da geração de testes baseados em LLM para filiais difíceis de cobrir por meio de análise de programa. Yang et al. arXiv. [papel]
[2024/03] COVERUP: Geração de testes baseados em LLM guiados por cobertura. Pizzorno et al. arXiv. [papel] [repositório]
[2024/03] AGENTFL: Escalando a localização de falhas baseada em LLM para o contexto de nível de projeto. Qin et al. arXiv. [papel]
[2024/02] LDB: um depurador de modelo de linguagem grande por meio da verificação passo a passo da execução em tempo de execução. Zhong et al. arXiv. [papel] [repositório]
[2023/07] Isolando bugs do compilador gerando programas testemunhas eficazes com grandes modelos de linguagem. Tu et al. IEEE Trans. Eng. de Software.. [papel] [repo]
[2023/04] Depuração automatizada explicável por meio de depuração científica orientada por modelo de linguagem grande. Kang et al. arXiv. [papel]

Ferramentas de teste

[2024/09] Reparo neurosimbólico da descamação do teste . Chen et al. ISSTA. [papel]
[2024/08] SpecRover: Extração de intenção de código via LLMs Ruan et al. arXiv. [papel] [repositório]
[2024/06] AgileCoder: Agentes Colaborativos Dinâmicos para Desenvolvimento de Software baseados em Metodologia Ágil. Nguyen et al. arXiv. [papel] [repositório]
[2024/06] MASAI: Arquitetura modular para agentes de IA de engenharia de software. Arora et al. arXiv. [papel]
[2024/05] AutoCoder: Aprimorando o modelo de linguagem grande de código com AIEV-INSTRUCT. Lei et al. arXiv. [papel] [repositório]
[2024/05] MapCoder: Geração de código multiagente para solução competitiva de problemas. Islã e outros. LCA. [papel] [repositório]
[2024/04] Agentes auto-organizados: uma estrutura multiagente LLM para geração e otimização de código em escala ultralarga. Ishibashi et al. arXiv. [papel] [repositório]
[2024/04] Uma abordagem de depuração unificada por meio de sinergia multiagente baseada em LLM. Lee et al. arXiv. [papel] [repositório]
[2024/04] Agentes LLM podem explorar vulnerabilidades de um dia de forma autônoma. Fang et al. arXiv. [papel]
[2024/04] Aprimoramento da geração de testes baseados em LLM para filiais difíceis de cobrir por meio de análise de programa. Yang et al. arXiv. [papel]
[2024/04] 3DGen: geração assistida por IA de analisadores de formato binário comprovadamente corretos . Fakhoury et al. arXiv [papel]
[2024/04] AutoCodeRover: Melhoria do Programa Autônomo. Zhang et al. ISSTA. [papel] [repositório]
[2024/03] AutoDev: Desenvolvimento automatizado baseado em IA . Tufano et al. arXiv [papel]
[2024/03] Quando a geração de código baseada em LLM atende ao processo de desenvolvimento de software. Lin et al. arXiv. [papel] [repositório]
[2024/03] RepairAgent: um agente autônomo baseado em LLM para reparo de programas. Bouzenia et al. arXiv. [papel]
[2024/03] CoCoST: Geração Automática de Código Complexo com Pesquisa Online e Teste de Correção. Ele e outros. arXiv. [papel]
[2024/02] Ações de código executável geram melhores agentes LLM. Wang et al. ICML. [papel] [repositório]
[2024/02] Desenvolvimento Orientado a Testes para Geração de Código. Mathews et al. arXiv. [papel] [repositório]
[2024/01] Geração de código com AlphaCodium: da engenharia imediata à engenharia de fluxo. Ridnik et al. arXiv. [papel] [repositório]
[2024/01] Experimentando uma nova prática de programação com LLMs. Zhang et al. arXiv. [papel] [repositório]
[2024/01] CodeAgent: Aprimorando a geração de código com sistemas de agentes integrados a ferramentas para desafios de codificação em nível de repositório do mundo real. Zhang et al. LCA. [papel]
[2023/12] AgentCoder: Geração de código baseada em multiagentes com testes iterativos e otimização. Huang et al. arXiv. [papel]
[2023/12] LLM4TDD: Melhores práticas para desenvolvimento orientado a testes usando grandes modelos de linguagem. Piya et al. arXiv. [papel] [repositório]
[2023/11] INTERVENTOR: Promovendo a capacidade de codificação de grandes modelos de linguagem com a cadeia interativa de reparo. Wang et al. LCA. [papel] [repositório]
[2023/10] ClarifyGPT: Capacitando a geração de código baseada em LLM com esclarecimento de intenção. Mu et al. arXiv. [papel] [repositório]
[2023/10] Lemur: Harmonizando Linguagem Natural e Código para Agentes Linguísticos. Xu et al. ICLR. [papel] [repositório]
[2023/10] Fuzzing do compilador de caixa branca capacitado por grandes modelos de linguagem. Yang et al. arXiv. [papel] [repositório]
[2023/09] Compreensão da programação orientada a casos de teste em grandes modelos de linguagem para melhor geração de código. Tian et al. arXiv. [papel]
[2023/09] MINT: AVALIANDO LLMS EM INTERAÇÃO MULTI-TURNA COM FERRAMENTAS E FEEDBACK DE LÍNGUA. Wang et al. ICLR. [papel] [repositório]
[2023/08] METAGPT: METAPROGRAMAÇÃO PARA UM QUADRO COLABORATIVO MULTIAGENTE. Hong et al. ICLR. [papel] [repositório]
[2023/08] Geração eficaz de testes usando grandes modelos de linguagem pré-treinados e testes de mutação. Dakhel et al. Inf. Suave. Tecnologia. . [papel] [repositório]
[2023/08] AgentVerse: Facilitando a colaboração multiagente e explorando comportamentos emergentes. Chen et al. ICLR. [papel] [repositório]
[2023/08] AutoGen: Habilitando aplicativos LLM de última geração por meio de conversação multiagente. Wu et al. arXiv. [papel] [repositório]
[2023/08] Fluxos: blocos de construção de raciocínio e colaboração com IA. Josifoski et al. arXiv. [papel] [repositório]
[2023/06] SELFEVOLVE: Uma estrutura de evolução de código por meio de grandes modelos de linguagem. Jiang et al. arXiv. [papel]
[2023/06] InterCode: Padronização e benchmarking de codificação interativa com feedback de execução. Yang et al. NeurIPS. [papel] [repositório]
[2023/06] O AUTO-REPARO É UMA BALA DE PRATA PARA A GERAÇÃO DE CÓDIGO?. Olausson et al. ICLR. [papel] [repositório]
[2023/05] Chega de testes manuais? Avaliando e melhorando o ChatGPT para geração de testes unitários. Yuan et al. arXiv. [papel] [repositório]
[2023/04] Programação Totalmente Autônoma com Grandes Modelos de Linguagem. Liventsev et al. GECO. [papel]
[2023/04] Depuração automatizada explicável por meio de depuração científica orientada por modelo de linguagem grande. Kang et al. arXiv. [papel]
[2023/03] ART: Raciocínio automático em várias etapas e uso de ferramentas para grandes modelos de linguagem. Paranjapé et al. arXiv. [papel] [repositório]
[2023/03] Reflexão: Agentes Linguísticos com Aprendizagem por Reforço Verbal. Shinn et al. NeurIPS. [papel] [repositório]
[2023/02] Uma avaliação empírica do uso de grandes modelos de linguagem para geração automatizada de testes unitários. Schäfer et al. IEEE Trans. Eng. de Software.. [papel] [repo]
[2023/01] Reparo de programa automatizado de conversação. Xia et al. arXiv. [papel]

Ferramentas de localização de falhas

[2024/04] AutoCodeRover: Melhoria do Programa Autônomo. Zhang et al. ISSTA. [papel] [repositório]
[2024/03] RepairAgent: um agente autônomo baseado em LLM para reparo de programas. Bouzenia et al. arXiv. [papel]

Sistema Multiagente

Funções do Agente

Funções de gerente

[2024/06] AgileCoder: Agentes Colaborativos Dinâmicos para Desenvolvimento de Software baseados em Metodologia Ágil. Nguyen et al. arXiv. [papel] [repositório]
[2024/05] Refinamento da experiência iterativa de agentes de desenvolvimento de software. Qian et al. arXiv. [papel]
[2024/05] MapCoder: Geração de código multiagente para solução competitiva de problemas. Islã e outros. LCA. [papel] [repositório]
[2024/04] Agentes auto-organizados: uma estrutura multiagente LLM para geração e otimização de código em escala ultralarga. Ishibashi et al. arXiv. [papel] [repositório]
[2024/04] 3DGen: geração assistida por IA de analisadores de formato binário comprovadamente corretos . Fakhoury et al. arXiv [papel]
[2024/03] MAGIS: Estrutura multiagente baseada em LLM para resolução de problemas do GitHub. Tao et al. arXiv. [papel]
[2024/03] Quando a geração de código baseada em LLM atende ao processo de desenvolvimento de software. Lin et al. arXiv. [papel] [repositório]
[2024/02] CodeAgent: Agentes Colaborativos para Engenharia de Software. Tang et al. arXiv. [papel] [repositório]
[2024/02] CodePori: Modelo em Grande Escala para Desenvolvimento Autônomo de Software Usando Multiagentes. Rasheed et al. arXiv. [papel]
[2023/12] Co-Aprendizado Experiencial de Agentes Desenvolvedores de Software. Qian et al. LCA. [papel] [repositório]
[2023/11] Agentes autônomos no desenvolvimento de software: um documento de visão Rasheed et al. arXiv. [papel]
[2023/11] Teste de GUI móvel orientado por intenção com agentes autônomos de modelo de linguagem grande . Yoon et al. ICST. [papel] [repositório]
[2023/10] AXNav: Reproduzindo testes de acessibilidade de linguagem natural. Taeb et al. QUI. [papel]
[2023/10] RCAgent: Análise de causa raiz da nuvem por agentes autônomos com grandes modelos de linguagem aumentados por ferramentas. Wang et al. arXiv. [papel]
[2023/09] AutoAgents: uma estrutura para geração automática de agentes. Chen et al. arXiv. [papel] [repositório]
[2023/08] METAGPT: METAPROGRAMAÇÃO PARA UM QUADRO COLABORATIVO MULTIAGENTE. Hong et al. ICLR. [papel] [repositório]
[2023/04] Low-code LLM: Programação Visual sobre LLMs. Cai et al. arXiv. [papel] [repositório]
[2023/03] CAMEL: Agentes Comunicativos para Exploração da “Mente” da Sociedade Modelo de Grandes Linguagens. Li et al. NeurIPS. [papel] [repositório]

Funções de análise de requisitos

[2024/06] Experimentando o desenvolvimento de software multiagente: rumo a uma plataforma unificada Sami et al. arXiv. [papel]
[2024/06] AgileCoder: Agentes Colaborativos Dinâmicos para Desenvolvimento de Software baseados em Metodologia Ágil. Nguyen et al. arXiv. [papel] [repositório]
[2024/05] MARE: Estrutura de Colaboração Multiagentes para Engenharia de Requisitos. Jin et al. arXiv. [papel]
[2024/04] Elicitron: Uma estrutura de simulação baseada em agente LLM para elicitação de requisitos de projeto. Ataei et al. arXiv. [papel]
[2024/03] Quando a geração de código baseada em LLM atende ao processo de desenvolvimento de software. Lin et al. arXiv. [papel] [repositório]
[2024/01] Experimentando uma nova prática de programação com LLMs. Zhang et al. arXiv. [papel] [repositório]
[2023/11] Agentes autônomos no desenvolvimento de software: um documento de visão Rasheed et al. arXiv. [papel]
[2023/10] Análise estática de código na era da IA: uma exploração aprofundada do conceito, função e potencial da análise inteligente de código. Fan et al. arXiv. [papel]
[2023/08] METAGPT: METAPROGRAMAÇÃO PARA UM QUADRO COLABORATIVO MULTIAGENTE. Hong et al. ICLR. [papel] [repositório]
[2023/06] COLABORAÇÃO MULTIAGENTE: APROVEITANDO O PODER DOS AGENTES LLM INTELIGENTES. Talebirad et al. arXiv. [papel]
[2023/04] Geração de código de autocolaboração via ChatGPT. Dong et al. arXiv. [papel] [repositório]
[2023/03] CAMEL: Agentes Comunicativos para Exploração da “Mente” da Sociedade Modelo de Grandes Linguagens. Li et al. NeurIPS. [papel] [repositório]

Funções do Designer

[2024/06] Experimentando o desenvolvimento de software multiagente: rumo a uma plataforma unificada Sami et al. arXiv. [papel]
[2024/03] Quando a geração de código baseada em LLM atende ao processo de desenvolvimento de software. Lin et al. arXiv. [papel] [repositório]
[2024/01] Experimentando uma nova prática de programação com LLMs. Zhang et al. arXiv. [papel] [repositório]
[2023/11] Agentes autônomos no desenvolvimento de software: um documento de visão Rasheed et al. arXiv. [papel]
[2023/08] METAGPT: METAPROGRAMAÇÃO PARA UM QUADRO COLABORATIVO MULTIAGENTE. Hong et al. ICLR. [papel] [repositório]
[2023/08] AgentVerse: Facilitando a colaboração multiagente e explorando comportamentos emergentes. Chen et al. ICLR. [papel] [repositório]
[2023/07] Agentes Comunicativos para Desenvolvimento de Software. Qian et al. LCA. [papel] [repositório]
[2023/06] COLABORAÇÃO MULTIAGENTE: APROVEITANDO O PODER DOS AGENTES LLM INTELIGENTES. Talebirad et al. arXiv. [papel]

Funções do desenvolvedor

[2024/06] Experimentando o desenvolvimento de software multiagente: rumo a uma plataforma unificada Sami et al. arXiv. [papel]
[2024/06] AgileCoder: Agentes Colaborativos Dinâmicos para Desenvolvimento de Software baseados em Metodologia Ágil. Nguyen et al. arXiv. [papel] [repositório]
[2024/05] AutoCoder: Aprimorando o modelo de linguagem grande de código com AIEV-INSTRUCT. Lei et al. arXiv. [papel] [repositório]
[2024/05] MapCoder: Geração de código multiagente para solução competitiva de problemas. Islã e outros. LCA. [papel] [repositório]
[2024/04] Agentes auto-organizados: uma estrutura multiagente LLM para geração e otimização de código em escala ultralarga. Ishibashi et al. arXiv. [papel] [repositório]
[2024/04] 3DGen: geração assistida por IA de analisadores de formato binário comprovadamente corretos . Fakhoury et al. arXiv [papel]
[2024/03] CodeS: Linguagem Natural para Repositório de Código via Multi-Layer Sketch. Zan et al. arXiv. [papel] [repositório]
[2024/03] MAGIS: Estrutura multiagente baseada em LLM para resolução de problemas do GitHub. Tao et al. arXiv. [papel]
[2024/03] Quando a geração de código baseada em LLM atende ao processo de desenvolvimento de software. Lin et al. arXiv. [papel] [repositório]
[2024/02] Desenvolvimento Orientado a Testes para Geração de Código. Mathews et al. arXiv. [papel] [repositório]
[2024/02] CodePori: Modelo em Grande Escala para Desenvolvimento Autônomo de Software Usando Multiagentes. Rasheed et al. arXiv. [papel]
[2024/01] Experimentando uma nova prática de programação com LLMs. Zhang et al. arXiv. [papel] [repositório]
[2023/12] AgentCoder: Geração de código baseada em multiagentes com testes iterativos e otimização. Huang et al. arXiv. [papel]
[2023/11] Agentes autônomos no desenvolvimento de software: um documento de visão Rasheed et al. arXiv. [papel]
[2023/11] INTERVENTOR: Promovendo a capacidade de codificação de grandes modelos de linguagem com a cadeia interativa de reparo. Wang et al. LCA. [papel] [repositório]
[2023/08] AutoGen: Habilitando aplicativos LLM de última geração por meio de conversação multiagente. Wu et al. arXiv. [papel] [repositório]
[2023/08] METAGPT: METAPROGRAMAÇÃO PARA UM QUADRO COLABORATIVO MULTIAGENTE. Hong et al. ICLR. [papel] [repositório]
[2023/08] AgentVerse: Facilitando a colaboração multiagente e explorando comportamentos emergentes. Chen et al. ICLR. [papel] [repositório]
[2023/07] Agentes Comunicativos para Desenvolvimento de Software. Qian et al. LCA. [papel] [repositório]
[2023/06] O AUTO-REPARO É UMA BALA DE PRATA PARA A GERAÇÃO DE CÓDIGO?. Olausson et al. ICLR. [papel] [repositório]
[2023/06] COLABORAÇÃO MULTIAGENTE: APROVEITANDO O PODER DOS AGENTES LLM INTELIGENTES. Talebirad et al. arXiv. [papel]
[2023/05] Autoedição: Editor de código com reconhecimento de falhas para geração de código . Zhang et al. LCA. [papel]
[2023/04] Geração de código de autocolaboração via ChatGPT. Dong et al. arXiv. [papel] [repositório]
[2023/03] CAMEL: Agentes Comunicativos para Exploração da “Mente” da Sociedade Modelo de Grandes Linguagens. Li et al. NeurIPS. [papel] [repositório]

Funções de garantia de qualidade de software

[2024/08] SpecRover: Extração de intenção de código via LLMs Ruan et al. arXiv. [papel] [repositório]
[2024/07] Teste automatizado de GUI móvel baseado em visão por meio de modelo multimodal de linguagem grande. Liu et al. arXiv. [papel] [repositório]
[2024/06] Experimentando o desenvolvimento de software multiagente: rumo a uma plataforma unificada Sami et al. arXiv. [papel]
[2024/06] Desenvolvimento de software multiagente por meio de colaboração entre equipes. Du et al. arXiv. [papel] [repositório]
[2024/06] AgileCoder: Agentes Colaborativos Dinâmicos para Desenvolvimento de Software baseados em Metodologia Ágil. Nguyen et al. arXiv. [papel] [repositório]
[2024/06] MASAI: Arquitetura modular para agentes de IA de engenharia de software. Arora et al. arXiv. [papel]
[2024/05] AutoCoder: Aprimorando o modelo de linguagem grande de código com AIEV-INSTRUCT. Lei et al. arXiv. [papel] [repositório]
[2024/05] MapCoder: Geração de código multiagente para solução competitiva de problemas. Islã e outros. LCA. [papel] [repositório]
[2024/04] Revisão de código com tecnologia de IA com LLMs: primeiros resultados. Rasheed et al. arXiv. [papel]
[2024/04] 3DGen: geração assistida por IA de analisadores de formato binário comprovadamente corretos . Fakhoury et al. arXiv [papel]
[2024/04] Uma abordagem de depuração unificada por meio de sinergia multiagente baseada em LLM. Lee et al. arXiv. [papel] [repositório]
[2024/04] Até onde podemos ir com o reparo prático do programa em nível de função? Xiang et al. arXiv. [papel] [repositório]
[2024/03] MAGIS: Estrutura multiagente baseada em LLM para resolução de problemas do GitHub. Tao et al. arXiv. [papel]
[2024/03] AGENTFL: Escalando a localização de falhas baseada em LLM para o contexto de nível de projeto. Qin et al. arXiv. [papel]
[2024/03] Combinação de agentes de ajuste fino e baseados em LLM para auditoria intuitiva de contratos inteligentes com justificativas. Ma et al. arXiv. [papel] [repositório]
[2024/03] Quando a geração de código baseada em LLM atende ao processo de desenvolvimento de software. Lin et al. arXiv. [papel] [repositório]
[2024/03] ACFIX: Orientando LLMs com práticas comuns de RBAC extraídas para reparo baseado no contexto de vulnerabilidades de controle de acesso em contratos inteligentes. Zhang et al. arXiv. [papel]
[2024/02] CodeAgent: Agentes Colaborativos para Engenharia de Software. Tang et al. arXiv. [papel] [repositório]
[2024/02] Desenvolvimento Orientado a Testes para Geração de Código. Mathews et al. arXiv. [papel] [repositório]
[2024/02] CodePori: Modelo em Grande Escala para Desenvolvimento Autônomo de Software Usando Multiagentes. Rasheed et al. arXiv. [papel]
[2024/01] XUAT-Copilot: Sistema colaborativo multiagente para testes automatizados de aceitação de usuários com modelo de linguagem grande. Wang et al. arXiv. [papel]
[2023/12] AgentCoder: Geração de código baseada em multiagentes com testes iterativos e otimização. Huang et al. arXiv. [papel]
[2023/11] Agentes autônomos no desenvolvimento de software: um documento de visão Rasheed et al. arXiv. [papel]
[2023/11] Teste de GUI móvel orientado por intenção com agentes autônomos de modelo de linguagem grande . Yoon et al. ICST. [papel] [repositório]
[2023/10] Detecção de vulnerabilidade de contrato inteligente baseada em modelo de linguagem grande: novas perspectivas. Hu et al. TPS-ISA. [papel] [repositório]
[2023/10] Análise estática de código na era da IA: uma exploração aprofundada do conceito, função e potencial da análise inteligente de código. Fan et al. arXiv. [papel]
[2023/10] Fuzzing do compilador de caixa branca capacitado por grandes modelos de linguagem. Yang et al. arXiv. [papel] [repositório]
[2023/10] AXNav: Reproduzindo testes de acessibilidade de linguagem natural. Taeb et al. QUI. [papel]
[2023/08] AutoGen: Habilitando aplicativos LLM de última geração por meio de conversação multiagente. Wu et al. arXiv. [papel] [repositório]
[2023/08] METAGPT: METAPROGRAMAÇÃO PARA UM QUADRO COLABORATIVO MULTIAGENTE. Hong et al. ICLR. [papel] [repositório]
[2023/07] Agentes Comunicativos para Desenvolvimento de Software. Qian et al. LCA. [papel] [repositório]
[2023/06] O AUTO-REPARO É UMA BALA DE PRATA PARA A GERAÇÃO DE CÓDIGO?. Olausson et al. ICLR. [papel] [repositório]
[2023/06] COLABORAÇÃO MULTIAGENTE: APROVEITANDO O PODER DOS AGENTES LLM INTELIGENTES. Talebirad et al. arXiv. [papel]
[2023/05] Autoedição: Editor de código com reconhecimento de falhas para geração de código . Zhang et al. LCA. [papel]
[2023/03] CAMEL: Agentes Comunicativos para Exploração da “Mente” da Sociedade Modelo de Grandes Linguagens. Li et al. NeurIPS. [papel] [repositório]

Funções de assistente

[2024/08] DIVERSIDADE FORNECE INTELIGÊNCIA: INTEGRAÇÃO DE EXPERIÊNCIA DE AGENTES DE ENGENHARIA DE SOFTWARE Zhang et al. arXiv. [papel]
[2024/08] SpecRover: Extração de intenção de código via LLMs Ruan et al. arXiv. [papel] [repositório]
[2024/06] MASAI: Arquitetura modular para agentes de IA de engenharia de software. Arora et al. arXiv. [papel]
[2024/05] MapCoder: Geração de código multiagente para solução competitiva de problemas. Islã e outros. LCA. [papel] [repositório]
[2024/03] MAGIS: Estrutura multiagente baseada em LLM para resolução de problemas do GitHub. Tao et al. arXiv. [papel]
[2024/03] CodeS: Linguagem Natural para Repositório de Código via Multi-Layer Sketch. Zan et al. arXiv. [papel] [repositório]
[2024/03] Combinação de agentes de ajuste fino e baseados em LLM para auditoria intuitiva de contratos inteligentes com justificativas. Ma et al. arXiv. [papel] [repositório]
[2023/10] Análise estática de código na era da IA: uma exploração aprofundada do conceito, função e potencial da análise inteligente de código. Fan et al. arXiv. [papel]

Mecanismo de Colaboração

Colaboração

Estrutura em camadas

[2024/08] DIVERSIDADE FORNECE INTELIGÊNCIA: INTEGRAÇÃO DE EXPERIÊNCIA DE AGENTES DE ENGENHARIA DE SOFTWARE Zhang et al. arXiv. [papel]
[2024/08] SpecRover: Extração de intenção de código via LLMs Ruan et al. arXiv. [papel] [repositório]
[2024/06] Experimentando o desenvolvimento de software multiagente: rumo a uma plataforma unificada Sami et al. arXiv. [papel]
[2024/06] Dimensionamento da colaboração multiagente baseada em modelo de grande linguagem Qian et al. arXiv. [papel] [repositório]
[2024/06] Desenvolvimento de software multiagente por meio de colaboração entre equipes. Du et al. arXiv. [papel] [repositório]
[2024/06] AgileCoder: Agentes Colaborativos Dinâmicos para Desenvolvimento de Software baseados em Metodologia Ágil. Nguyen et al. arXiv. [papel] [repositório]
[2024/05] MapCoder: Geração de código multiagente para solução competitiva de problemas. Islã e outros. LCA. [papel] [repositório]
[2024/05] MARE: Estrutura de Colaboração Multiagentes para Engenharia de Requisitos. Jin et al. arXiv. [papel]
[2024/04] AutoCodeRover: Melhoria do Programa Autônomo. Zhang et al. ISSTA. [papel] [repositório]
[2024/04] Até onde podemos ir com o reparo prático do programa em nível de função? Xiang et al. arXiv. [papel] [repositório]
[2024/03] CodeS: Linguagem Natural para Repositório de Código via Multi-Layer Sketch. Zan et al. arXiv. [papel] [repositório]
[2024/03] Quando a geração de código baseada em LLM atende ao processo de desenvolvimento de software. Lin et al. arXiv. [papel] [repositório]
[2024/03] AGENTFL: Escalando a localização de falhas baseada em LLM para o contexto de nível de projeto. Qin et al. arXiv. [papel]
[2024/02] Quando a análise de fluxo de dados atende a grandes modelos de linguagem. Wang et al. arXiv. [papel]
[2024/02] CodeAgent: Agentes Colaborativos para Engenharia de Software. Tang et al. arXiv. [papel] [repositório]
[2024/02] Mais agentes é tudo que você precisa. Li et al. arXiv. [papel]
[2024/01] Experimentando uma nova prática de programação com LLMs. Zhang et al. arXiv. [papel] [repositório]
[2023/11] Agentes autônomos no desenvolvimento de software: um documento de visão Rasheed et al. arXiv. [papel]
[2023/10] Análise estática de código na era da IA: uma exploração aprofundada do conceito, função e potencial da análise inteligente de código. Fan et al. arXiv. [papel]
[2023/10] Detecção de vulnerabilidade de contrato inteligente baseada em modelo de linguagem grande: novas perspectivas. Hu et al. TPS-ISA. [papel] [repositório]
[2023/10] Fuzzing do compilador de caixa branca capacitado por grandes modelos de linguagem. Yang et al. arXiv. [papel] [repositório]
[2023/10] Rede dinâmica de agentes LLM: uma estrutura de colaboração de agentes LLM com otimização da equipe de agentes. Liu et al. arXiv. [papel] [repositório]
[2023/08] METAGPT: METAPROGRAMAÇÃO PARA UM QUADRO COLABORATIVO MULTIAGENTE. Hong et al. ICLR. [papel] [repositório]
[2023/08] Fluxos: blocos de construção de raciocínio e colaboração com IA. Josifoski et al. arXiv. [papel] [repositório]
[2023/07] Agentes Comunicativos para Desenvolvimento de Software. Qian et al. LCA. [papel] [repositório]
[2023/05] Autoedição: Editor de código com reconhecimento de falhas para geração de código . Zhang et al. LCA. papel
[2023/04] Low-code LLM: Programação Visual sobre LLMs. Cai et al. arXiv. [papel] [repositório]

Estrutura Circular

[2024/05] AutoCoder: Aprimorando o modelo de linguagem grande de código com AIEV-INSTRUCT. Lei et al. arXiv. [papel] [repositório]
[2024/04] Uma abordagem de depuração unificada por meio de sinergia multiagente baseada em LLM. Lee et al. arXiv. [papel] [repositório]
[2024/03] ACFIX: Orientando LLMs com práticas comuns de RBAC extraídas para reparo baseado no contexto de vulnerabilidades de controle de acesso em contratos inteligentes. Zhang et al. arXiv. [papel]
[2024/03] Consenso multifuncional através de discussões de LLMs para detecção de vulnerabilidades. Mao et al. QRS. [papel]
[2024/03] Combinação de agentes de ajuste fino e baseados em LLM para auditoria intuitiva de contratos inteligentes com justificativas. Ma et al. arXiv. [papel] [repositório]
[2024/02] Desenvolvimento Orientado a Testes para Geração de Código. Mathews et al. arXiv. [papel] [repositório]
[2024/02] CodePori: Modelo em Grande Escala para Desenvolvimento Autônomo de Software Usando Multiagentes. Rasheed et al. arXiv. [papel]
[2023/12] Co-Aprendizado Experiencial de Agentes Desenvolvedores de Software. Qian et al. LCA. [papel] [repositório]
[2023/12] AgentCoder: Geração de código baseada em multiagentes com testes iterativos e otimização. Huang et al. arXiv. [papel]
[2023/11] INTERVENTOR: Promovendo a capacidade de codificação de grandes modelos de linguagem com a cadeia interativa de reparo. Wang et al. LCA. [papel] [repositório]
[2023/11] Teste de GUI móvel orientado por intenção com agentes autônomos de modelo de linguagem grande . Yoon et al. ICST. [papel] [repositório]
[2023/10] AXNav: Reproduzindo testes de acessibilidade de linguagem natural. Taeb et al. QUI. [papel]
[2023/06] O AUTO-REPARO É UMA BALA DE PRATA PARA A GERAÇÃO DE CÓDIGO?. Olausson et al. ICLR. [papel] [repositório]
[2023/03] CAMEL: Agentes Comunicativos para Exploração da “Mente” da Sociedade Modelo de Grandes Linguagens. Li et al. NeurIPS. [papel] [repositório]
[2023/03] Reflexão: Agentes Linguísticos com Aprendizagem por Reforço Verbal. Shinn et al. NeurIPS. [papel] [repositório]

Estrutura semelhante a uma árvore

[2024/06] Dimensionamento da colaboração multiagente baseada em modelo de grande linguagem Qian et al. arXiv. [papel] [repositório]
[2024/06] MASAI: Arquitetura modular para agentes de IA de engenharia de software. Arora et al. arXiv. [papel]
[2024/04] Agentes auto-organizados: uma estrutura multiagente LLM para geração e otimização de código em escala ultralarga. Ishibashi et al. arXiv. [papel] [repositório]

Estrutura semelhante a uma estrela

[2024/06] Dimensionamento da colaboração multiagente baseada em modelo de grande linguagem Qian et al. arXiv. [papel] [repositório]
[2024/03] AutoDev: Desenvolvimento automatizado baseado em IA . Tufano et al. arXiv [papel]
[2024/01] XUAT-Copilot: Sistema colaborativo multiagente para testes automatizados de aceitação de usuários com modelo de linguagem grande. Wang et al. arXiv. [papel]
[2023/10] RCAgent: Análise de causa raiz da nuvem por agentes autônomos com grandes modelos de linguagem aumentados por ferramentas. Wang et al. arXiv. [papel]
[2023/08] AutoGen: Habilitando aplicativos LLM de última geração por meio de conversação multiagente. Wu et al. arXiv. [papel] [repositório]

Estrutura de malha

[2024/06] Dimensionamento da colaboração multiagente baseada em modelo de grande linguagem Qian et al. arXiv. [papel] [repositório]
[2024/04] 3DGen: geração assistida por IA de analisadores de formato binário comprovadamente corretos . Fakhoury et al. arXiv [papel]

Colaboração Homem-Agente

Agente Humano

Fase de Planejamento

[2024/01] Experimentando uma nova prática de programação com LLMs. Zhang et al. arXiv. [papel] [repositório]
[2024/01] LLM4PLC: Aproveitando Grandes Modelos de Linguagem para Programação Verificável de PLCs em Sistemas de Controle Industrial. Fakih et al. ICSE. [papel] [repositório]
[2023/10] Análise estática de código na era da IA: uma exploração aprofundada do conceito, função e potencial da análise inteligente de código. Fan et al. arXiv. [papel]
[2023/04] Low-code LLM: Programação Visual sobre LLMs. Cai et al. arXiv. [papel] [repositório]

Fase de Requisitos

[2024/05] MARE: Estrutura de Colaboração Multiagentes para Engenharia de Requisitos. Jin et al. arXiv. [papel]
[2024/02] Ações de código executável geram melhores agentes LLM. Wang et al. ICML. [papel] [repositório]
[2024/01] Experimentando uma nova prática de programação com LLMs. Zhang et al. arXiv. [papel] [repositório]
[2023/10] ClarifyGPT: Capacitando a geração de código baseada em LLM com esclarecimento de intenção. Mu et al. arXiv. [papel] [repositório]
[2023/06] Prompt Sapper: Infraestrutura de engenharia de software capacitada por LLM para serviços nativos de IA. Xing et al. arXiv. [papel]

Fase de Desenvolvimento

[2024/03] CodeS: Linguagem Natural para Repositório de Código via Multi-Layer Sketch. Zan et al. arXiv. [papel] [repositório]
[2024/01] LLM4PLC: Aproveitando Grandes Modelos de Linguagem para Programação Verificável de PLCs em Sistemas de Controle Industrial. Fakih et al. ICSE. [papel] [repositório]
[2023/09] MINT: AVALIANDO LLMS EM INTERAÇÃO MULTI-TURNA COM FERRAMENTAS E FEEDBACK DE LÍNGUA. Wang et al. ICLR. [papel] [repositório]
[2023/08] Fluxos: blocos de construção de raciocínio e colaboração com IA. Josifoski et al. arXiv. [papel] [repositório]
[2023/08] AutoGen: Habilitando aplicativos LLM de última geração por meio de conversação multiagente. Wu et al. arXiv. [papel] [repositório]

Fase de Avaliação

[2024/01] Experimentando uma nova prática de programação com LLMs. Zhang et al. arXiv. [papel] [repositório]
[2023/08] Gentopia: uma plataforma colaborativa para LLMs aumentados por ferramentas. Xu et al. EMNLP. [papel] [repositório]
[2023/06] Prompt Sapper: Infraestrutura de engenharia de software capacitada por LLM para serviços nativos de IA. Xing et al. arXiv. [papel]
[2023/03] ART: Raciocínio automático em várias etapas e uso de ferramentas para grandes modelos de linguagem. Paranjapé et al. arXiv. [papel] [repositório]

Citação

 @misc{Agent4SE, title={Agentes baseados em modelos de linguagem grande para engenharia de software: uma pesquisa},
       autor={Junwei Liu e Kaixin Wang e Yixuan Chen e Xin Peng e Zhenpeng Chen e Lingming Zhang e Yiling Lou}, ano={2024}, eprint={2409.02977}, archivePrefix={arXiv}, PrimaryClass={cs.SE} , url={https://arxiv.org/abs/2409.02977},
 }

Mantenedores

Junwei Liu @To-D
Kaixin Wang @wkx228
Yixuan Chen @FloridaSpidee

Contate-nos

Sinta-se à vontade para fazer qualquer pergunta ou nos fornecer algumas sugestões através de:

Junwei Liu: [email protected]

Expandir