Apr, 2023

基于神经符号和跨语言中间表示的零 - shot 代码克隆

PDF
TL;DR本文提出了神经符号方法，通过中间表示（IR）和 UnixCoder 优化，实现了 COBOL 代码克隆任务，取得了 12.85 MAP@2 的表现提升。
neuro-symbolic approachcobolintermediate representationcode cloningunixcoder
发现论文，激发创造
  • IRCoder: 中间表示使语言模型具有鲁棒性的多语言代码生成器

    通过利用编译器中间表示来改进代码语言模型的多语言能力，并促进跨语言转换，该研究探讨了在代码语言模型中利用编译器中间表示的可行性和优势，构建了一个并行数据集 SLTrans，并通过对不同规模的代码语言模型进行连续因果语言建模训练，从而在各种代码生成任务和度量标准中实现了显著和一致的提升。

    Mar, 2024

  • 使用编译器表示进行代码翻译

    本文提出了一种新的方法，使用低级别的编译器中间表示 (IR) 来提高代码的翻译质量，不同于使用传统转换方法的手工指定规则，使用神经机器翻译 (NMT) 方法进行翻译，并将 IRs 作为中间变量，能够在 C ++，Java，Rust 和 Go 语言中获得自然的翻译结果，平均提高正确翻译数 11％，在一些语言对中高达 79％，同时还将 IRs 用作翻译的中间枢轴。

    Jun, 2022

  • ZC3：零样本跨语言代码克隆检测

    本文提出了一种名为 ZC3 的新方法，用于零射击交叉语言代码克隆检测，通过对比片段预测、领域感知学习和循环一致性学习来生成在不同编程语言之间对齐且区分不同克隆类型的表示，实验证明 ZC3 相对于现有基准模型在 MAP 评分上分别提高了 67.12％，51.39％，14.85％和 53.01％。

    Aug, 2023

  • SynCoBERT：针对代码表示的语法引导的多模式对比预训练

    本文提出了 SynCoBERT—— 一种语法引导的，多模态对比预训练方法，旨在更好地表示代码，其中设计了两种新的预训练目标 —— 标识符预测和 AST 边缘预测，并提出了多模态对比学习策略来最大化不同模态之间的互信息。经过广泛的实验，SynCoBERT 在与相同的预训练语料库和模型大小进行比较时，提高了与代码智能相关的四个下游任务的最新性能。

    Aug, 2021

  • 使用中间表示进行跨语言二进制源码匹配

    该篇论文提出了解决不同编程语言下的二进制和源代码匹配问题的新数据集，以及基于 Transformer 神经网络的 XLIR 方法，并在多项实验验证了其显著优于现有模型的有效性。

    Jan, 2022

  • UniXcoder：面向代码表示的统一跨模态预训练

    本文提出了一种统一的跨模态预训练模型 UniXcoder，使用前缀适配器控制模型行为并使用语法树和代码注释等交叉模态内容来增强代码表示。同时，利用多模态内容进行对比学习以学习代码片段代表，并使用跨模态生成任务在编程语言之间进行表示的对齐。该模型在五个代码相关任务上取得了最先进的结果，而注释和 AST 可以增强该模型。

    Mar, 2022

  • 神经代码搜索的多模态表征

    本文介绍了一种基于树序列化方法和多模态学习模型的语义代码搜索技术，实验结果表明，这种技术可以有效提高代码搜索性能。同时提出衡量代码信息完整度的量化指标来辅助实验结果理解。

    Jul, 2021

  • 通过人工混合数据训练来提升零样本跨语言检索

    本研究探讨了如何将零 - shot 模型从高资源语言（一般是英语）迁移到其他语言，结果表明在不同语言的查询和文档中使用零 - shot 排名算法的有效性会降低。因此，我们提出利用双语词典生成人工混合语言的数据来训练排名模型，我们对从跨语言词嵌入和平行维基百科页面标题引导的词典进行了实验，最终在多语言、跨语言和单语言信息检索方面进行了评估。结果表明，使用代码切换可以在跨语言和多语言检索中带来一致且实质性的收益。

    May, 2023

  • 程序翻译通过代码提取

    在本文中，我们提出了一种名为 Code Distillation（CoDist）的新模型，通过捕捉代码的语义和结构等价性，在语言不可知的中间表示中翻译代码，并通过构造并应用蒸馏编译器实现针对任何编程语言的并行语料库，从而在 CodeXGLUE 和 TransCoder GeeksForGeeks 翻译基准测试上实现了最新的性能，与 TransCoder-ST 相比，在 TransCoder GeeksforGeeks 翻译基准测试上平均绝对增加了 12.7%。

    Oct, 2023

  • 从结构和上下文中学习源代码的语言不可知性表示学习

    通过同时学习源代码和抽象语法树的结构信息，本篇研究提出了一种只使用与语言无关的功能和直接从抽象语法树中计算得出的功能的新机器学习模型，该模型在单语言和多语言代码总结方面均取得了最新成果。

    Mar, 2021