本文提出了代码解释生成任务，通过多阶段优化和基线模型的 fine-tuning 使得模型在生成的解释中包含更多实现级别的选择，并在实验中展示了一个经过改进的训练数据集可以比较人工撰写的 docstring 相媲美，这一任务可以极大地受益于软件维护和编程教育。

Nov, 2022

通过数学公式和人工评估使用 Likert 量表对性能进行定量评估和质量评估，研究了小型语言模型在生成高质量文档字符串方面的有效性，并引入了包含 10 万个样本的大规模监督微调数据集（DocuMint）。

May, 2024

本论文介绍了一个由十万个 Python 函数及其文档字符串（docstrings）组成的大型多样并行语料库，用于自然语言生成代码和代码文档生成任务的基线结果是经过神经机器翻译获得的。

Jul, 2017

本篇论文介绍了如何自动挖掘 AI 库中的 Python 函数文档字符串以提取 JSON 超参数模式，以减轻手动创建和维护自动化工具中的超参数模式的负担，拓宽自动化应用范围。

Jun, 2020

介绍了一种名为 PyMT5 的 Python 方法文本到文本转换器，它可以从自然语言文档字符串（docstrings）预测整个 python 方法，并将代码总结为任何常见文档风格的字符串。经过实验验证，在 docstring 和方法生成方面，PyMT5 比类似大小的自回归语言模型容错性更强。

Oct, 2020

本文对大型语言模型（LLMs）进行了全面的代码文档生成比较分析，评估了 GPT-3.5、GPT-4、Bard、Llama2 和 Starchat 等模型在准确度、完整性、相关性、可理解性、可读性和代码文档不同级别生成所花费的时间等参数上的表现。除了 Starchat 以外的所有 LLMs 一致优于原始文档，值得注意的是，闭源模型 GPT-3.5、GPT-4 和 Bard 在各个参数上相比开源 / 源代码可用的 LLMs（包括 LLama 2 和 StarChat）表现更好。就生成时间而言，GPT-4 的持续时间最长，其次是 Llama2、Bard，ChatGPT 和 Starchat 的生成时间相当，此外，文件级别文档在所有参数（时间除外）上表现明显较差，相比内联和函数级别文档。

Dec, 2023

该论文提出一种名为 GAP-Gen 的方法，用于自然语言描述的自动生成 Python 代码，该方法受到 Python 语法和语义约束的指导，通过在细调过程中改进而非预训练，在自动 Python 代码生成任务上实现更好的结果。

Jan, 2022

DocPrompting 是一种自然语言到代码生成的方法，利用文档（documentation）明确地生成代码。通过应用于各种编程语言，我们证明了它可以改进自然语言到代码模型，可以提高 2.85% 的绝对正确率。

Jul, 2022

本研究使用 GPT-3 模型，将医学对话摘要问题离散成多个对话理解任务，并动态构建少样本提示进行实验，开发了基于 GPT 的度量标准，评估任务性能，经过研究评价证实，此方法生成的摘要临床准确性优于基准方法。

May, 2023

研究采用新颖的数据生成文本的方式，对当前的文本生成方法进行了探究，并通过提出一系列抽取性评估方法和使用当前神经生成方法得到基线结果。实验结果表明，这些模型产生流畅的文本，但未能令人信服地近似人类生成的文档，甚至模板化的基线方法在某些指标上超过了这些神经模型，尽管复制和重构扩展会导致明显的改进。

Jul, 2017