Dec, 2023

代码智能的深度学习：调查、基准和工具包

PDF
TL;DR本文综述了深度学习在编码智能方面的应用，包括代码表示学习、深度学习技术和应用任务，并提供了一个适用于基于深度学习的编码智能模型快速原型设计的开源工具包。同时，公开发布了源代码和数据资源，以促进现有和未来编码智能模型的评估和比较，并指出了几个具有挑战性和有前景的研究方向。
code intelligencedeep learningcode representation learningneural modelsbenchmark
发现论文，激发创造
  • 神经编码智能综述：范式、进展与未来

    神经编码智能 - 利用深度学习理解、生成和优化代码 - 在整个社会中具有巨大的潜力。这篇调查综述了代码智能领域的技术进展，并系统地回顾了过去几年来研究社区对这一领域的关注。

    Mar, 2024

  • 针对神经代码智能的预训练语言模型综述

    介绍了 “神经代码智能”（NCI）领域的基本情况，包括预训练技术、任务、数据集和模型结构；探讨了如何使用深度学习技术提高软件工程效率、减少人为错误，并为领域内未来研究提供启示。

    Dec, 2022

  • 源代码人工智能调查：对话系统视角

    本论文综述了过去 35 年中在自然语言处理 (NLP) 中应用的主要深度学习方法和源代码的人工智能 (AI) 应用，包括代码智能 (CI) 和编程语言处理 (PLP)，以及其在软件工程和教育中的对话助手的应用。还提出了在 AI 与对话助手和 CI 的交叉点上进行研究的机会，并提供了未来的研究方向。

    Feb, 2022

  • 结构化代码理解的深度学习模型综述

    本综述介绍了编码数据的结构的两种模型，即基于序列和基于图形的模型的概述和比较，并介绍了度量、数据集和下游任务等相关知识。最后，我们对结构代码理解领域的未来研究提出了一些建议。

    May, 2022

  • CodeNet：用于学习多样编码任务的大规模 AI 代码数据集

    本文介绍了一个名为 CodeNet 的大规模数据集，旨在教授 AI 编码技能以提高软件开发效率并现代化旧有应用程序，该数据集包含超过 14 百万个代码样例和约 55 种不同编程语言中的 5 亿行代码。同时，CodeNet 还为各种关键编码任务提供了丰富的高质量注释，包括各类代码相似性和分类、各种编程语言之间的代码翻译以及代码性能（运行时间和内存）改进技术等，为 AI 和软件工程交叉领域提供了前所未有的研究机会。

    May, 2021

  • 源代码分析的机器学习技术调查

    本文旨在总结如何应用机器学习技术进行源代码分析的最新研究动态，并回顾 12 类软件工程任务及相应的机器学习技术、工具和数据集。在文献调研的基础上，文章总结了研究观察和发现，并总结了每个任务的通用步骤、机器学习技术和可用数据集和工具，并讨论了这一领域面临的各种挑战。

    Oct, 2021

  • DeepSeek-Coder：大型语言模型与编程的结合 -- 代码智能的崛起

    通过介绍 DeepSeek-Coder 系列，一种从头开始训练的开源代码模型，基于高质量项目级代码语料库进行预训练，利用填空任务和 16K 窗口提升代码生成和填充，在多个基准测试中展现出不仅在开源代码模型中达到最先进的性能，而且超越了诸如 Codex 和 GPT-3.5 等现有的闭源模型。此外，DeepSeek-Coder 模型采用宽松许可证，允许进行研究和无限制的商业应用。

    Jan, 2024

  • 深度学习与软件工程：源代码预训练模型调查

    介绍了深度学习在软件工程中的应用，着重讨论了源代码的预训练模型，并展望了未来的研究方向。

    May, 2022

  • 提升软件开发的智能软件工具

    通过利用大量的非结构化软件工程文档，探索深度学习技术如何改善软件开发过程。

    Oct, 2023

  • Code2Image：利用计算机视觉技术进行智能代码分析并应用于漏洞预测

    该研究介绍了一种将源代码表示为图像的新方法，可以将其直接输入深度学习算法，以实现漏洞预测，并在公共数据集上进行了性能评估，并与现有最先进解决方案进行比较。

    May, 2021