論文の概要: Consider What Humans Consider: Optimizing Commit Message Leveraging Contexts Considered By Human

• arxiv url: http://arxiv.org/abs/2503.11960v2
• Date: Tue, 18 Mar 2025 06:15:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 10:31:51.457844
• Title: Consider What Humans Consider: Optimizing Commit Message Leveraging Contexts Considered By Human
• Title（参考訳）: 人間がどのように考えるかを考える:人間によって考慮されたコンテキストを活用するコミットメッセージの最適化
• Authors: Jiawei Li, David Faragó, Christian Petrov, Iftekhar Ahmed,
• Abstract要約: コミットメッセージはソフトウェア開発において不可欠であり、メンテナンスタスクと開発者間のコミュニケーションをサポートする。 本稿では,大規模言語モデルと検索に基づく最適化を活用して,人間によるメッセージの書き起こしを最適化するCommit Message Optimization (CMO)を提案する。 CMOは、より合理的、包括的、表現的なコミットメッセージを生成し、最先端のCMGメソッドと人間のメッセージの40.3%から78.4%を上回っている。
• 参考スコア（独自算出の注目度）: 8.688771187741317
• License:
• Abstract: Commit messages are crucial in software development, supporting maintenance tasks and communication among developers. While Large Language Models (LLMs) have advanced Commit Message Generation (CMG) using various software contexts, some contexts developers consider to write high-quality commit messages are often missed by CMG techniques and can't be easily retrieved or even retrieved at all by automated tools. To address this, we propose Commit Message Optimization (CMO), which enhances human-written messages by leveraging LLMs and search-based optimization. CMO starts with human-written messages and iteratively improves them by integrating key contexts and feedback from external evaluators. Our extensive evaluation shows CMO generates commit messages that are significantly more Rational, Comprehensive, and Expressive while outperforming state-of-the-art CMG methods and human messages 40.3% to 78.4% of the time. Moreover, CMO can support existing CMG techniques to further improve message quality and generate high-quality messages when the human-written ones are left blank.
• Abstract（参考訳）: コミットメッセージはソフトウェア開発において不可欠であり、メンテナンスタスクと開発者間のコミュニケーションをサポートする。 大規模言語モデル(LLM)は、様々なソフトウェアコンテキストを使用して高度なコミットメッセージ生成(CMG)を行っているが、開発者が高品質なコミットメッセージを書くことを考えている状況は、しばしばCMGの技術によって見逃され、自動化されたツールによって簡単には検索できない。 そこで本研究では,LLMと検索に基づく最適化を利用して,人間によるメッセージの書き起こしを改善するCommit Message Optimization (CMO)を提案する。 CMOは人間によるメッセージから始まり、主要なコンテキストと外部評価者からのフィードバックを統合することで、それを反復的に改善する。 我々の広範囲な評価によると、CMOは、最先端のCMGメソッドと人間メッセージの40.3%から78.4%を上回っながら、Rational、Comprehensive、Expressiveよりもはるかに高いコミットメッセージを生成する。 さらに、CMOは既存のCMG技術をサポートし、メッセージの品質をさらに向上し、人書きのメッセージが空白になったときに高品質なメッセージを生成する。

関連論文リスト

• Optimization is Better than Generation: Optimizing Commit Message Leveraging Human-written Commit Message [8.688771187741317]
  コミットメッセージ最適化 (Commit Message Optimization, CMO) は、大規模言語モデルと検索に基づく最適化を活用して、人書きメッセージを強化する。 CMOは、より合理的、包括的、表現的なコミットメッセージを生成し、最先端のCMGメソッドと人間のメッセージの88.2%-95.4%を上回っている。
  論文  参考訳（メタデータ） (2025-01-16T22:20:04Z)
• Towards Realistic Evaluation of Commit Message Generation by Matching Online and Offline Settings [77.20838441870151]
  オンラインメトリック - VCSに生成されたメッセージをコミットする前にユーザが導入する編集回数 - を使用して、オフライン実験用のメトリクスを選択します。 我々は,GPT-4が生成したコミットメッセージと,人間の専門家が編集したコミットメッセージからなる57対のデータセットを収集した。 以上の結果から,編集距離が最も高い相関性を示すのに対し,BLEUやMETEORなどの類似度は低い相関性を示すことがわかった。
  論文  参考訳（メタデータ） (2024-10-15T20:32:07Z)
• RAG-Enhanced Commit Message Generation [8.858678357308726]
  コミットメッセージ生成は研究ホットスポットになっている。 手動でコミットメッセージを書くのに時間がかかります。 本稿では,Retrieval-Augmented framework for CommiTメッセージ生成のためのREACTを提案する。
  論文  参考訳（メタデータ） (2024-06-08T16:24:24Z)
• Commit Messages in the Age of Large Language Models [0.9217021281095906]
  コード変更に基づいてコミットメッセージを生成するOpenAIのChatGPTの性能を評価する。 本稿では、ChatGPTを用いて得られた結果と、コミットデータに特化して訓練された以前の自動コミットメッセージ生成手法を比較した。
  論文  参考訳（メタデータ） (2024-01-31T06:47:12Z)
• Using Large Language Models for Commit Message Generation: A Preliminary Study [5.5784148764236114]
  大規模言語モデル(LLM)はコミットメッセージを自動かつ効果的に生成するために使用することができる。 366サンプルの78%では, LLMが生成したコミットメッセージが人間によって最高のものと評価された。
  論文  参考訳（メタデータ） (2024-01-11T14:06:39Z)
• Language-Oriented Communication with Semantic Coding and Knowledge Distillation for Text-to-Image Generation [53.97155730116369]
  我々は言語指向意味コミュニケーション(LSC)の新しい枠組みを提唱した。 LSCでは、機械は人間の言語メッセージを使って通信し、SC効率のために自然言語処理(NLP)技術を用いて解釈および操作することができる。 1) テキストプロンプトをキーヘッドワードに圧縮するセマンティック・ソース・コーディング(SSC)、2) セマンティック・チャネル・コーディング(SCC)、2) セマンティック・チャネル・コーディング(SCC)、3) セマンティック・ナレッジ・蒸留(SKD)、3) リスナーの言語学習を通じてリスナーに適応したプロンプトを生成するセマンティック・ナレッジ・蒸留(SKD)の3つの革新的なアルゴリズムを導入する。
  論文  参考訳（メタデータ） (2023-09-20T08:19:05Z)
• Generative AI-aided Joint Training-free Secure Semantic Communications via Multi-modal Prompts [89.04751776308656]
  本稿では,多モデルプロンプトを用いたGAI支援型SemComシステムを提案する。 セキュリティ上の懸念に応えて、フレンドリーなジャマーによって支援される隠蔽通信の応用を紹介する。
  論文  参考訳（メタデータ） (2023-09-05T23:24:56Z)
• From Commit Message Generation to History-Aware Commit Message Completion [49.175498083165884]
  コミットメッセージ生成からコミットメッセージ補完に焦点を移すことができれば、結果のコミットメッセージの品質と個人的な性質を大幅に改善できる、と私たちは論じています。 既存のデータセットには履歴データがないため、20のプログラミング言語で107万のコミットを含むCommitChronicleと呼ばれる新しいデータセットを収集、共有しています。 以上の結果から,コミットメッセージ補完は生成よりも優れた結果を示し,一般的にはGPT-3.5-turboはより悪い性能を示すが,長大かつ詳細なメッセージの可能性を示唆している。
  論文  参考訳（メタデータ） (2023-08-15T09:10:49Z)
• Reasoning over the Air: A Reasoning-based Implicit Semantic-Aware Communication Framework [124.6509194665514]
  ソースユーザと宛先ユーザの間で暗黙的な意味を表現し,伝達し,解釈するために,新しい暗黙的意味コミュニケーション(iSAC)アーキテクチャを提案する。 プロジェクションベースセマンティックエンコーダは, 明示的セマンティックスの高次元グラフィカル表現を低次元セマンティックコンステレーション空間に変換し, 効率的な物理チャネル伝送を実現する。 ソースユーザの暗黙的意味推論過程を学習し、模倣できるようにするため、G-RMLと呼ばれる生成逆模倣学習ベースのソリューションが提案されている。
  論文  参考訳（メタデータ） (2023-06-20T01:32:27Z)
• Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion [77.21442487537139]
  対話型レコメンデータシステム(CRS)は,対話型対話を通じて高品質なアイテムをユーザに推薦することを目的としている。 まず、会話データ自体にユーザの好みを正確に理解するための十分なコンテキスト情報がない。 第二に、自然言語表現とアイテムレベルのユーザ嗜好の間には意味的なギャップがある。
  論文  参考訳（メタデータ） (2020-07-08T11:14:23Z)

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。