EMNLPAug, 2021

检索增强代码生成与摘要

PDF
TL;DR该研究提出了一个检索增强框架 REDCODER，用于检索相关的代码或摘要，作为代码生成或总结模型的补充，实现了与检索数据库的交互。这个机制可以扩展检索技术的功能，适用于含有不同模态的检索数据库，并在 Java 和 Python 的代码生成和摘要的基准数据集上得到了良好的实验结果。
software developmentsource codedocumentationretrieval augmented frameworkcode generation
发现论文，激发创造
  • 通过双向学习利用代码生成提高代码检索和概述质量

    本文提出了一个新的端到端模型来同时处理代码摘要生成和检索两个任务通过引入额外的代码生成任务，利用双向学习明确地利用了代码摘要和代码生成之间的概率相关性，通过多任务学习利用用于代码摘要和代码生成的两个编码器训练代码检索任务。作者在现有的 SQL 和 Python 数据集上进行了广泛的实验，结果表明，我们的模型可以显著提高代码检索任务的结果，同时在代码摘要任务的 BLEU 得分方面也能够达到竞争性的性能。

    Feb, 2020

  • 基于混合图神经网络的检索辅助代码摘要生成

    本研究提出了使用检索增强机制和动态图神经网络结构来生成源代码摘要的方法，并在大规模的开源项目数据集上进行了实验，在 ROUGE-L，BLEU-4 和 METEOR 等方面取得了最先进的结果。

    Jun, 2020

  • EditSum: 源代码摘要的检索和编辑框架

    现有研究表明，代码摘要有助于开发人员理解和维护源代码。然而，软件项目中的这些摘要通常缺失或过时。本文提出了一种名为 EditSum 的新型检索编辑方法，用于代码摘要，旨在自动生成源代码的自然语言描述。实验结果表明，EditSum 在预测模式化单词和关键词方面表现出色，而且人工评估也证明了 EditSum 生成的摘要更具信息量和实用性。

    Aug, 2023

  • 基于深度强化学习的自动源代码摘要改进

    本文提出一种基于 Actor-Critic 模型和抽象语法树的深度强化学习框架，用于代码摘要。该模型在训练时采用 BLEU 指标进行奖励，实验证明该模型在真实世界数据集上的表现优于一些最先进的方法。

    Nov, 2018

  • RetrievalSum：基于检索增强的摘要生成框架

    该论文提出了 RetrievalSum，一种新颖的检索增强抽象概括框架，包括一个稠密的 Retriever 和一个 Summarizer，可以通过检索相关的用作补充输入的实例来帮助生成模型更全面地理解文本，并在 BillSum 上取得了最新的业界最佳成绩。

    Sep, 2021

  • 一种源代码摘要的抽取和生成框架

    本研究提出了一种新的抽取式 - 生成式混合框架来自动生成代码摘要，该框架结合了抽取式方法和生成式方法，能够提取关键的事实性细节，并生成简明、类似于人工撰写的自然语言摘要，实验证明 EACS 显著优于现有的技术，包括 BLEU，METEOR 和 ROUGH-L 等三个广泛使用的评估指标。

    Jun, 2022

  • Tram: 代码片段摘要的基于 Token 级别检索增强机制

    本文探讨了在解码器端实现细粒度的标记级别检索来帮助生成更好的代码摘要的机制，并将代码语义融入到摘要标记中，从而显著提高了性能。

    May, 2023

  • 自监督对比学习：基于语义保持转换实现代码检索和摘要

    Corder 是一种自监督对比学习框架，用于源代码模型，通过使用一组语义保持变换操作来生成在语法上具有多样性但在语义上是等效的代码片段，从而能够在没有标记数据的情况下进行代码检索和代码摘要。

    Sep, 2020

  • 重写代码：大型语言模型增强代码搜索的简单方法

    通过对代码搜索中的样例代码进行生成和重写，我们提出了一种简单而有效的方法来解决代码风格偏差的问题，并引入了用于量化代码风格相似性的度量指标 Code Style Similarity。实验证明，这种方法在不同的搜索场景中显著提高了检索准确性。

    Jan, 2024

  • 基于生成模型的查询扩展技术在代码检索中的应用

    本文提出了一个以生成扩展查询为基础的框架，利用强大的代码生成模型来提高代码检索任务。该方法优化了嵌入到潜空间的文档 - 代码对，利用生成的代码片段将文档查询扩展与目标代码片段匹配。该方法在 CodeSearchNet 数据集上实验，并取得了迄今为止最好的性能结果。

    Dec, 2022