論文の概要: Towards Better Answers: Automated Stack Overflow Post Updating
- arxiv url: http://arxiv.org/abs/2408.09095v1
- Date: Sat, 17 Aug 2024 04:48:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-20 22:37:12.467937
- Title: Towards Better Answers: Automated Stack Overflow Post Updating
- Title（参考訳）: より良い回答に向けて: アップデート後の自動スタックオーバーフロー
- Authors: Yubo Mai, Zhipeng Gao, Haoye Wang, Tingting Bi, Xing Hu, Xin Xia, Jianling Sun,
- Abstract要約: このタスクのために、Soup(Stack Overflow Updator for Post)という新しいフレームワークを紹介します。
Soup氏は、Valid Comment-Edit Prediction(VCP)とAutomatic Post Updating(APU)の2つの重要なタスクに対処している。
- 参考スコア（独自算出の注目度）: 11.85319691188159
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Utilizing code snippets on Stack Overflow (SO) is a common practice among developers for problem-solving. Although SO code snippets serve as valuable resources, it is important to acknowledge their imperfections, reusing problematic code snippets can lead to the introduction of suboptimal or buggy code into software projects. SO comments often point out weaknesses of a post and provide valuable insights to improve the quality of answers, while SO comments are usually missed and/or ignored, leaving these problematic code snippets untouched. In this work, we first investigate the task of automatic SO posts updating based on their associated comments. We introduce a novel framework, named Soup (Stack Overflow Updator for Post) for this task. Soup addresses two key tasks: Valid Comment-Edit Prediction (VCP) and Automatic Post Updating (APU). Extensive experimental results show the promising performance of our model over a set of benchmarks. Moreover, we also performed an in-the-wild evaluation on Stack Overflow, we submitted 50 edits generated by our approach to Stack Overflow posts and 21 of them have been verified and accepted by SO maintainers, further proving the practical value of Soup.
- Abstract（参考訳）: Stack Overflow(SO)でのコードスニペットの利用は、問題解決の一般的なプラクティスである。
SOコードスニペットは貴重なリソースとして機能するが、それらの欠陥を認識することが重要である。
SOコメントは、しばしば投稿の弱点を指摘し、回答の品質を改善するための貴重な洞察を提供する。
本研究ではまず,関連コメントに基づいてSOポストの自動更新作業について検討する。
このタスクのために、Soup(Stack Overflow Updator for Post)という新しいフレームワークを紹介します。
Soupは、Valid Comment-Edit Prediction(VCP)とAutomatic Post Updating(APU)の2つの重要なタスクに対処する。
大規模な実験結果からは,ベンチマークによるモデルの性能向上が期待できる。
さらに,我々はStack Overflowの現場での評価を行い,Stack Overflowの投稿に対するアプローチによって生成された50の編集を提出し,その中の21の編集がSOメンテナによって検証,承認され,さらにSoupの実用的価値が証明された。
関連論文リスト
- AUTOGENICS: Automated Generation of Context-Aware Inline Comments for Code Snippets on Programming Q&A Sites Using LLM [1.971759811837406]
ソースコードのインラインコメントは、理解しやすく、再利用しやすく、可読性も向上している。
Stack Overflow (SO)のようなQ&Aサイトでの回答のコードスニペットにはコメントがないことが多い。
これらの課題を踏まえ、我々は、大規模な言語モデルを利用して、SOのコードスニペットに対する効果的なインラインコメントを生成するために、SOと統合するために設計されたツールであるAUTOGENICSを紹介した。
論文 参考訳（メタデータ） (2024-08-27T21:21:13Z) - Summary of a Haystack: A Challenge to Long-Context LLMs and RAG Systems [124.82815637571413]
我々は、文書のHaystackを合成する手順を設計し、特定のテキストが文書間で繰り返されることを保証します。
すると、"Summary of a Haystack"(SummHay)タスクは、Haystackを処理し、クエリ、関連する洞察を特定し、ソースドキュメントを正確に引用する要約を生成するシステムを必要とする。
論文 参考訳（メタデータ） (2024-07-01T15:23:42Z) - Automatic Bi-modal Question Title Generation for Stack Overflow with
Prompt Learning [10.76882347665857]
最初の研究は、質問本体のコードスニペットだけを分析してタイトルを自動的に生成することを目的としていた。
本稿では,問題本体のバイモーダル情報(コードスニペットと問題記述)を考慮し,SOTitle+のアプローチを提案する。
私たちのコーパスには、人気のある6つのプログラミング言語に対する179,119の質の高い質問投稿が含まれています。
論文 参考訳（メタデータ） (2024-03-06T12:58:25Z) - RepoCoder: Repository-Level Code Completion Through Iterative Retrieval
and Generation [96.75695811963242]
RepoCoderはリポジトリレベルのコード補完プロセスを合理化するフレームワークである。
類似性ベースのレトリバーと、事前訓練されたコード言語モデルが組み込まれている。
バニラ検索で拡張されたコード補完アプローチよりも一貫して優れています。
論文 参考訳（メタデータ） (2023-03-22T13:54:46Z) - Answer ranking in Community Question Answering: a deep learning approach [0.0]
本研究は, 地域質問回答の回答ランキングを, 深層学習のアプローチで進めることによって, 技術の現状を推し進めるものである。
Stack OverflowのWebサイトにポストされた質問と回答の大規模なデータセットを作成しました。
我々は,高密度埋め込みとLSTMネットワークの自然言語処理機能を利用して,受理された応答属性の予測を行った。
論文 参考訳（メタデータ） (2022-10-16T18:47:41Z) - Interactive Code Generation via Test-Driven User-Intent Formalization [60.90035204567797]
大きな言語モデル(LLM)は、非公式な自然言語(NL)の意図からコードを生成する。
自然言語は曖昧であり、形式的な意味論が欠けているため、正確性の概念を定義するのは難しい。
言語に依存しない抽象アルゴリズムと具体的な実装TiCoderについて述べる。
論文 参考訳（メタデータ） (2022-08-11T17:41:08Z) - Reputation Gaming in Stack Overflow [10.021057473471236]
本稿は,Stack Overflowで実施される可能性のある評価操作シナリオの報告について,包括的に調査する。
同様の投稿でコミュニティが互いに投票を繰り返す投票リングなど,評価詐欺のシナリオは4種類あった。
我々は、プラットフォームマネージャが不審な評判ゲームシナリオを自動的に識別してレビューできるアルゴリズムを開発した。
論文 参考訳（メタデータ） (2021-11-13T11:58:59Z) - Improving Conversational Question Answering Systems after Deployment
using Feedback-Weighted Learning [69.42679922160684]
本稿では,二元的ユーザフィードバックを用いた初期教師付きシステムを改善するために,重要サンプリングに基づくフィードバック重み付き学習を提案する。
当社の作業は,実際のユーザとのインタラクションを活用し,デプロイ後の会話システムを改善する可能性を開くものだ。
論文 参考訳（メタデータ） (2020-11-01T19:50:34Z) - Retrieve, Program, Repeat: Complex Knowledge Base Question Answering via
Alternate Meta-learning [56.771557756836906]
本稿では,弱い監督からプログラマと交互に検索モデルを自動的に学習する手法を提案する。
本システムでは,知識ベースに対する複雑な質問応答を行う大規模タスクにおいて,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） (2020-10-29T18:28:16Z) - Deep Just-In-Time Inconsistency Detection Between Comments and Source
Code [51.00904399653609]
本稿では,コード本体の変更によりコメントが矛盾するかどうかを検出することを目的とする。
私たちは、コメントとコードの変更を関連付けるディープラーニングアプローチを開発しています。
より包括的な自動コメント更新システムを構築するために,コメント更新モデルと組み合わせて提案手法の有用性を示す。
論文 参考訳（メタデータ） (2020-10-04T16:49:28Z) - Improving Quality of a Post's Set of Answers in Stack Overflow [2.0625936401496237]
Stack Overflowの低品質な投稿の多くは改善を必要としている。
本稿では,このような投稿の識別プロセスを自動化し,回答の集合を強化するアプローチを提案する。
論文 参考訳（メタデータ） (2020-05-30T19:40:19Z)
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。