Jan, 2023

基于库的 Python 代码分析实现代码完成和自动机器学习

PDF
TL;DR本文介绍了一种基于动态分配和极度抽象的库来生成代码抽象化的静态分析 Python 的框架 Serenity，并证明了其在代码补全和自动机器学习等应用中的有效性。
pythonstatic analysisabstractioncode completionautomated machine learning
发现论文，激发创造
  • 机器学习程序分析 - Ariadne

    使用静态框架 WALA 对使用 TensorFlow 的机器学习代码进行静态分析和数据流分析，以跟踪张量的类型和用法，提高 Python 机器学习代码的错误检测能力。

    May, 2018

  • 大语言模型静态评估代码自动补全

    本文提出了一个基于抽象语法树的静态分析框架，旨在量化 Python 代码生成中的静态错误，并探讨了语言模型大小、上下文、温度对静态错误的影响。

    Jun, 2023

  • 从数据中学习静态分析器

    本文提出了一种自动化的方法来创建静态分析器，通过从数据集中学习推理规则，实现了针对 JavaScript 静态分析规则的学习，该方法包括综合算法和反例指导的学习程序，并能够发现手动标定的分析器无法识别的实用推理规则。

    Nov, 2016

  • 自然语言 IDE 代码生成：机遇与挑战

    本文研究了在 IDE 中使用机器学习代码生成 / 检索技术对开发工作流程和体验产生的影响，设计了一款混合代码生成和检索的插件，并通过用户测试发现虽然开发者的体验得到了改善，但是对于提高生产率、代码质量和程序正确性等方面的具体效果并不确定，同时分析了需要改进的地方和开发者偏好。

    Jan, 2021

  • Pythia：AI 辅助的代码自动完成系统

    本文提出了一种名为 Pythia 的人工智能辅助代码自动补全系统，利用深度学习模型从抽象语法树中提取代码背景信息，实现高准确度的代码自动补全推荐，适用于 Visual Studio Code IDE 等编辑环境，其准确度较传统方法高 20％左右。

    Nov, 2019

  • Python 模糊测试可信机器学习框架

    确保机器学习框架的安全性和可靠性对于构建可信的基于人工智能的系统至关重要。我们提出了一个 Python 项目的动态分析流水线，使用 Sydr-Fuzz 工具集来实现模糊测试、语料库精简、崩溃分析和覆盖率收集，在 GitLab CI 中实现流水线集成，以发现和修复机器学习框架中的漏洞。

    Mar, 2024

  • Python 中用于更智能的 API 推荐的集体智能

    本研究介绍了一个智能代码补全系统 PyReco，它使用来自公共代码库的 API 用法来区分推荐结果的相关性，以取代传统字母顺序，并使用最近邻分类器来识别最佳匹配用法，以提供相关工作环境的建议。该系统在十倍交叉验证技术下的定量测试中表现优于按字母顺序排列的 API 推荐系统，适用于标准和第三方库。

    Aug, 2016

  • 低成本语言模型：Python 代码生成的调研及性能评估

    我们研究了大型语言模型在生成 Python 代码方面的优势和劣势，并提出了一种引导模型解决问题的思维链条提示，同时还提供了一个由 60 个不同难度级别的编程问题组成的数据集进行评估。

    Apr, 2024

  • xCodeEval：一项用于代码理解、生成、翻译和检索的大规模多语言多任务基准测试

    人工智能正在开发出可以用于程序编写的 AI 系统，生成代码的自然语言描述，语言模型在生成代码的过程中表现出了良好的性能，但它们的评估通常只在少数语言和部分层次上进行，还需要更好的培训数据。

    Mar, 2023

  • 代码补全的语言模型：实践评估

    基于 Transformer 的语言模型在自动代码补全方面显示出巨大的潜力，但是这些模型的评估很少使用真实数据。本研究提供了对三个公共代码语言模型在完成真实世界代码时的定量和定性评估。

    Feb, 2024