論文の概要: Not All Tokens Matter: Data-Centric Optimization for Efficient Code Summarization

• arxiv url: http://arxiv.org/abs/2601.20147v1
• Date: Wed, 28 Jan 2026 00:45:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-29 15:46:06.708435
• Title: Not All Tokens Matter: Data-Centric Optimization for Efficient Code Summarization
• Title（参考訳）: すべてのトークンが重要でない:効率的なコード要約のためのデータ中心最適化
• Authors: Saima Afrin, Zaiyu Cheng, Tushar Sharma, Alexander Serebrenik, Massimiliano Di Penta, Antonio Mastropaolo,
• Abstract要約: コード生成タスクにおいて,システムプロンプトがILMやCLMにどのように影響するかを評価する。 120のモデル構成にまたがる評価フレームワークにより,システムの影響がモデルスケールで増大することが明らかとなった。 JavaはPythonよりもシステムプロンプトのバリエーションに対する感度が高い。
• 参考スコア（独自算出の注目度）: 46.365359894614706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Instruction-tuned Language Models ILMs have become essential components of modern AI systems, demonstrating exceptional versatility across a wide range of natural language and reasoning tasks. Among their most impactful applications is code generation, where ILMs--commonly referred to as Code Language Models CLMs--have demonstrated remarkable capability. This strength stems from their defining feature: the use of explicit task instructions during fine-tuning, which enables them to bridge natural language and code by translating human intent into executable code. While much of their progress has been driven by advances in scaling laws and training methodologies, one critical aspect remains underexplored--the impact of system prompts on the performance of both general-purpose ILMs and specialized CLMs when instantiated to assist users with code generation activities. In this study, we take a first step toward bridging this gap by systematically evaluating how system prompts of varying instructional detail, along with model scale, prompting strategy, and programming language, affect ILMs and CLMs in code generation tasks. Our evaluation framework, spanning 120 model configurations, reveals that (1) the influence of system prompts increases with model scale; (2) few-shot prompting reduces this effect compared to zero-shot; and (3) programming language matters, with Java showing greater sensitivity to system prompt variations than Python.
• Abstract（参考訳）: 命令調整言語モデル ILMは現代のAIシステムにおいて不可欠なコンポーネントとなり、幅広い自然言語や推論タスクにまたがる例外的な万能性を実証している。 最も影響力のあるアプリケーションとしては、ICM(Code Language Models CLM)と呼ばれるコード生成がある。 これにより、人間の意図を実行可能なコードに変換することで、自然言語とコードをブリッジすることができる。 彼らの進歩の多くは、法とトレーニング方法論のスケーリングの進歩によって推進されているが、重要な側面として、システムプロンプトが、コード生成活動を支援するためにインスタンス化された時に、汎用ILMと特殊CRMの両方のパフォーマンスに与える影響について検討されている。 本研究では,このギャップを埋める第一歩として,モデルスケール,プロンプト戦略,プログラミング言語がコード生成タスクにおいてILMやCLMにどのように影響するかを体系的に評価する。 120のモデル構成にまたがる評価フレームワークでは,(1) システムの影響がモデルスケールで増大する,(2) 少数ショットプロンプトがゼロショットに比べてこの効果を減少させる,(3) プログラム言語が問題となる,という結果が得られた。

関連論文リスト

• On Code-Induced Reasoning in LLMs [21.875805779552564]
  並列命令データセットを10のプログラミング言語で構築する。 コードの構造的・意味的特性を選択的に破壊する制御摂動を適用する。 以上の結果から,LLMは意味論的よりも構造的摂動に弱いことが示唆された。
  論文  参考訳（メタデータ） (2025-09-25T19:57:36Z)
• CodeGRAG: Bridging the Gap between Natural Language and Programming Language via Graphical Retrieval Augmented Generation [58.84212778960507]
  CodeGRAGは、制御フローとそれらのデータフローに基づいて、コードブロックのグラフィカルなビューを構築し、プログラミングドメインの知識をよりよく解釈する。 CodeGRAGはLLMのコード生成能力を大幅に改善し、言語間コード生成のパフォーマンス向上も実現している。
  論文  参考訳（メタデータ） (2024-05-03T02:48:55Z)
• If LLM Is the Wizard, Then Code Is the Wand: A Survey on How Code Empowers Large Language Models to Serve as Intelligent Agents [81.60906807941188]
  大型言語モデル(LLM)は、自然言語と形式言語(コード)の組み合わせに基づいて訓練される コードは、標準構文、論理一貫性、抽象化、モジュール性を備えた高レベルの目標を実行可能なステップに変換する。
  論文  参考訳（メタデータ） (2024-01-01T16:51:20Z)
• Testing LLMs on Code Generation with Varying Levels of Prompt Specificity [0.0]
  大規模言語モデル (LLM) は、人間のようなテキスト生成と処理を模倣する非並列的な技術を示している。 自然言語のプロンプトを実行可能なコードに変換する可能性は、ソフトウェア開発プラクティスの大きな変化を約束します。
  論文  参考訳（メタデータ） (2023-11-10T23:41:41Z)
• From Language Modeling to Instruction Following: Understanding the Behavior Shift in LLMs after Instruction Tuning [63.63840740526497]
  そこで本研究では,本質的な変化に着目した事前学習モデルの調整方法について検討する。 次に、事前訓練されたモデルと命令調整されたモデルから導かれた説明を比較することで、命令チューニングの影響について研究する。 この結果から,指導指導の3つの重要な影響が明らかになった。
  論文  参考訳（メタデータ） (2023-09-30T21:16:05Z)

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。