論文の概要: Chatbots As Fluent Polyglots: Revisiting Breakthrough Code Snippets
- arxiv url: http://arxiv.org/abs/2301.03373v1
- Date: Thu, 5 Jan 2023 23:17:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 16:16:00.055000
- Title: Chatbots As Fluent Polyglots: Revisiting Breakthrough Code Snippets
- Title(参考訳): チャットボットの多言語化:コードスニペットのブレークスルーを再考
- Authors: David Noever, Kevin Williams
- Abstract要約: この研究は、AI駆動のコードアシスタントを使用して、現代技術を形成する影響力のあるコンピュータコードの選択を分析する。
この研究の最初の貢献は、過去50年で最も重要なコードの進歩の半分を調査することであった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The research applies AI-driven code assistants to analyze a selection of
influential computer code that has shaped modern technology, including email,
internet browsing, robotics, and malicious software. The original contribution
of this study was to examine half of the most significant code advances in the
last 50 years and, in some cases, to provide notable improvements in clarity or
performance. The AI-driven code assistant could provide insights into
obfuscated code or software lacking explanatory commentary in all cases
examined. We generated additional sample problems based on bug corrections and
code optimizations requiring much deeper reasoning than a traditional Google
search might provide. Future work focuses on adding automated documentation and
code commentary and translating select large code bases into more modern
versions with multiple new application programming interfaces (APIs) and
chained multi-tasks. The AI-driven code assistant offers a valuable tool for
software engineering, particularly in its ability to provide human-level
expertise and assist in refactoring legacy code or simplifying the explanation
or functionality of high-value repositories.
- Abstract(参考訳): この研究は、ai駆動のコードアシスタントを使って、メール、インターネット閲覧、ロボット工学、悪意あるソフトウェアなど、現代のテクノロジーを形作ってきた影響力のあるコンピュータコードを分析する。
この研究の元々の貢献は、過去50年間の最も重要なコード進歩の半分、そして場合によっては、明確さやパフォーマンスの顕著な改善を提供することであった。
ai駆動のコードアシスタントは、すべてのケースで説明のつかない難解なコードやソフトウェアに対する洞察を提供することができる。
従来のGoogle検索よりもずっと深い推論を必要とするバグ修正とコードの最適化に基づいて、追加のサンプル問題を生成しました。
将来的には、複数の新しいアプリケーションプログラミングインターフェース(API)と連鎖したマルチタスクを備えた、大規模なコードベースをより現代的なバージョンに翻訳する。
AI駆動のコードアシスタントは、ソフトウェアエンジニアリング、特に人レベルの専門知識を提供し、レガシーコードのリファクタリングを支援したり、高価値リポジトリの説明や機能を簡素化する上で、貴重なツールを提供する。
関連論文リスト
- Assessing AI-Based Code Assistants in Method Generation Tasks [5.32539007352208]
今回の調査では、メソッド生成タスクにおいて、GitHub Copilot、Tabnine、ChatGPT、Google Bardの4つのAIベースのコードアシスタントを比較した。
その結果、コードアシスタントは相補的な機能を持つが、適切なコードを生成することは滅多にない。
論文 参考訳(メタデータ) (2024-02-14T08:52:45Z) - Deep Learning for Code Intelligence: Survey, Benchmark and Toolkit [63.82016263181941]
コードインテリジェンスは、機械学習技術を活用して、広範なコードコーパスから知識を抽出する。
現在、コードインテリジェンスに重点を置く研究コミュニティは活発です。
論文 参考訳(メタデータ) (2023-12-30T17:48:37Z) - Developer Experiences with a Contextualized AI Coding Assistant:
Usability, Expectations, and Outcomes [11.520721038793285]
この研究は、コンテキスト化されたコーディングAIアシスタントであるStackSpot AIを制御された環境で使用した62人の参加者の初期体験に焦点を当てる。
アシスタントの使用は、大幅な時間を節約し、ドキュメントへのアクセスを容易にし、内部APIの正確なコードを生成する結果となった。
コーディングアシスタントが、複雑なコードを扱う際の変数応答や制限と同様に、よりコンテキスト情報にアクセスできるようにするために必要な知識ソースに関連する課題が観察された。
論文 参考訳(メタデータ) (2023-11-30T10:52:28Z) - Natural Language Generation and Understanding of Big Code for
AI-Assisted Programming: A Review [9.355153561673855]
本稿では,Big Codeを用いてトレーニングしたトランスフォーマーベース大規模言語モデル(LLM)に焦点を当てる。
LLMは、コード生成、コード補完、コード翻訳、コード洗練、コードの要約、欠陥検出、クローン検出など、AI支援プログラミングアプリケーションを促進する上で重要な役割を担っている。
これらのアプリケーションにNLP技術とソフトウェア自然性を導入する上での課題と機会を探究する。
論文 参考訳(メタデータ) (2023-07-04T21:26:51Z) - Code Execution with Pre-trained Language Models [88.04688617516827]
コードインテリジェンスのトレーニング済みモデルのほとんどは実行トレースを無視しており、ソースコードと構文構造のみに依存している。
我々は,大規模かつ現実的なPythonデータセットとコード実行タスクを作成するために,突然変異に基づくデータ拡張手法を開発した。
次に、コード実行事前学習とカリキュラム学習を活用して意味理解を強化するトランスフォーマーモデルであるCodeExecutorを提案する。
論文 参考訳(メタデータ) (2023-05-08T10:00:05Z) - Explainable AI for Pre-Trained Code Models: What Do They Learn? When
They Do Not Work? [4.573310303307945]
下流タスクの一連のソフトウェアエンジニアリング上のコードのための,最近の2つの大規模言語モデル (LLM) について検討する。
CodeBERTとGraphCodeBERTは、これらのタスクで何を学ぶか(ソースコードトークンタイプに関して、最も注意を払っている)を特定します。
モデルが期待通りに機能しない場合の一般的なパターンをいくつか示し、推奨する。
論文 参考訳(メタデータ) (2022-11-23T10:07:20Z) - Enhancing Semantic Code Search with Multimodal Contrastive Learning and
Soft Data Augmentation [50.14232079160476]
コード検索のためのマルチモーダルコントラスト学習とソフトデータ拡張を用いた新しい手法を提案する。
我々は,6つのプログラミング言語を用いた大規模データセットにおけるアプローチの有効性を評価するために,広範囲な実験を行った。
論文 参考訳(メタデータ) (2022-04-07T08:49:27Z) - ReACC: A Retrieval-Augmented Code Completion Framework [53.49707123661763]
本稿では,語彙のコピーと類似したセマンティクスを持つコード参照の両方を検索により活用する検索拡張コード補完フレームワークを提案する。
我々は,Python および Java プログラミング言語のコード補完タスクにおけるアプローチを評価し,CodeXGLUE ベンチマークで最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2022-03-15T08:25:08Z) - Project CodeNet: A Large-Scale AI for Code Dataset for Learning a
Diversity of Coding Tasks [11.10732802304274]
Project CodeNetは、1400万のコードサンプルと55の異なるプログラミング言語で約5億行のコードで構成されている。
Project CodeNetは、その規模だけでなく、ベンチマークに役立つコーディングタスクの多様性にも特有である。
論文 参考訳(メタデータ) (2021-05-25T00:13:29Z) - Measuring Coding Challenge Competence With APPS [54.22600767666257]
コード生成のベンチマークであるAPPSを紹介する。
私たちのベンチマークには1万の問題が含まれています。
GPT-Neoのような最近のモデルでは、導入問題のテストケースの約15%をパスできる。
論文 参考訳(メタデータ) (2021-05-20T17:58:42Z) - COSEA: Convolutional Code Search with Layer-wise Attention [90.35777733464354]
我々は、畳み込みニューラルネットワークを階層的注意で活用し、コード固有の構造論理をキャプチャする新しいディープラーニングアーキテクチャ、COSEAを提案する。
COSEAは、コード検索タスクの最先端メソッドよりも大幅に改善できる。
論文 参考訳(メタデータ) (2020-10-19T13:53:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。