XiaoMi-AI文件搜索系统
World File Search Systemsmells
检测和重构... 中的操作异味 - arXiv
域名系统 (DNS) 是互联网基础设施中最重要的组件之一。DNS 依赖于基于委托的架构，其中将名称解析为其 IP 地址需要解析负责这些名称的服务器的名称。与每个区域相关联的名称服务器之间存在的相互依赖关系的递归结构称为依赖关系图。系统管理员的运营决策对 DNS 的质量有着深远的影响。需要合理地制定这些决策，以在系统的可用性、安全性和弹性之间取得平衡。我们利用依赖关系图来识别、检测和分类操作不良气味。我们的方法使用由 DNS 操作模型定义的一致分类法和可重用词汇表，在高抽象级别上处理气味。该方法将用于构建诊断咨询工具，该工具将在域名投入生产之前检测可能降低其稳健性或安全态势的配置更改。
深度卷积神经网络模型，用于消除不良代码异味
代码异味是指源代码中任何违反设计原则或实现的症状或异常。及早发现不良代码异味可以提高软件质量。如今，几种人工神经网络 (ANN) 模型已用于软件工程的不同主题：软件缺陷预测、软件漏洞检测和代码克隆检测。使用 ANN 模型时，无需了解数据来源，但需要大量训练集。数据不平衡是人工智能技术在检测代码异味方面面临的主要挑战。为了克服这些挑战，本研究的目标是基于一组 Java 项目，提出具有合成少数过采样技术 (SMOTE) 的深度卷积神经网络 (D-CNN) 模型来检测不良代码异味。我们考虑了四个代码异味数据集，即 God 类、数据类、特征嫉妒和长方法，并根据不同的性能指标对结果进行了比较。实验结果表明，所提出的具有过采样技术的模型可以为代码异味检测提供更好的性能，并且当使用更多数据集训练模型时，预测结果可以进一步改善。此外，更多的时期和隐藏层有助于提高模型的准确性。
ecocode：索纳克插件以消除Android Projects中的能量气味
气候变化似乎不是一个问题，应该涉及An-Droid移动开发人员，但事实是他们的工作确实具有碳足迹。不仅要在运行时立即过度消费能量，而且还涉及电池的电荷 /放电周期数量有限，从而偶然缩短了手持设备的寿命。的确，现在众所周知，大多数碳足迹都是在新终端制造过程中发出的，而且这种快速的步伐不再可持续。移动开发人员，甚至可能比其他开发人员更多，缺乏有关如何编写，维护和发展节能软件的知识[2]。虽然能源效率正成为一个主要质量属性，但安全性或可维护性也是如此，但我们指出了缺少类似皮棉的工具，以避免设计良好的应用程序
Musti Challenge @ MEDEREVAL 2023-对文本和图像中的气味的多模式了解
人类与气味互动的方式是无形文化遗产的一个典型例子：创造气味的方式，在使用哪种情况下，而且人们对它们的欣赏方式也高度依赖文化。通过在较长时间内介绍多种流派和多种语言的文本和图像中的气味表达，我们可以更多地了解气味如何随着时间的流逝影响人类的互动。虽然气味在我们的日常生活中至关重要，但在自然语言处理和计算机视觉社区中几乎没有关注它。虽然有一些词典专注于气味，但Odeuropa文本基准数据集是第一个多语言的，跨域文本数据集，重点是气味参考[1]。同样，对于计算机视觉，直到此任务的成员创建了气味挑战数据集之前，不存在先验数据集[2]。在对文本和图像（Musti）挑战中气味的多模式理解中，我们将这些方式融合在一起，邀请研究社区以不同方式描述和描述的气味方式探索相似之处和互补性。中世纪2023年的Musti挑战旨在从16至20世纪之间从数字多语言文本和图像收集中收集有关气味的信息。更精确，
使用大语言模型的静态代码气味分析
即使是功能良好的代码也经常包含隐藏的代码气味 - 可能阻碍软件质量的可能问题的指标。未发现的代码气味导致维护问题，从而增加了技术债务。这项研究探讨了最先进的大语模型（LLM）在发现不同代码气味时的潜在用途。我们的发现表明，美洲驼3显示了竞争性能，尤其是在检测结构代码的气味时；但是，进一步的统计分析表明，LLM和其他静态分析仪之间的总体性能没有显着差异，即PMD，CheckStyle和Sonarqube。这些结果表明，Llama 3尚未准备好完全替换静态分析工具，但可以用作宝贵的补充工具，从而避免了大量程序员的时间。
MLCQ数据集的比较研究
摘要。代码气味是软件代码中潜在问题的指标，可以使维护更具挑战性。传统的检测代码气味的方法主要依赖于手工制作的规则和启发式方法，而最近的进步探索了机器学习（ML）和深度学习（DL）技术。在本文中，我们研究了基于迅速的大语言模型（LLM）在代码气味检测中的应用，利用最先进的模型，即经过生成的预训练的预训练的Transformer-4（GPT-4）和大型语言模型Meta AI（LLAMA）。我们对机器学习代码质量（MLCQ）数据集进行了广泛的分析，重点介绍这些LLM在提示识别和分类代码气味时的性能。通过系统地评估每个模型的性能，我们提供了对它们的精确，召回和能够跨越不同类型的代码气味的能力的见解。我们的结果旨在证明LLM的潜力是自动化某些类型的代码气味的有前途的工具，同时表现不佳。
研究证明了充满野生动植物的树林为您的福祉做奇迹
90％的代表性样本中有10,000多人的代表性样本同意，林地生物多样性对他们的幸福感产生了积极的影响 (40.4%) Natural processes and behaviors (26.5%), like spring flowers emerging, triggered the second most well-being responses, followed by colors (23.7%), textures (7.3%) and smells (2.1%) Silver birch topped a list of favorite trees, ahead of horse chestnut and oak The blue tit had the most well-being benefits of woodland birds, with blackbird and chaffinch following closely behind.热点反映了林地覆盖范围很高的区域，尤其是珍贵的古老和长期建立的林地覆盖物