TL;DR
- v2 نوع اعلام:.
- جایگزین چکیده:.
- پیشبینی نقص نرمافزار در زمان مناسب (JIT-SDP) نقش مهمیدر اولویتبندی تغییرات مخاطرهآمیز کد در طول بررسی کد.
چه اتفاقی افتاد
v2 نوع اعلام:. جایگزین چکیده:.
پیشبینی نقص نرمافزار در زمان مناسب (JIT-SDP) نقش مهمیدر اولویتبندی تغییرات مخاطرهآمیز کد در طول بررسی کد. و یکپارچهسازی مداوم دارد.
با این حال،. مجموعه دادههای موجود اغلب از ی پر سر و صدا و دقت پایین در شناسایی تعهدات ناشی از.
اشکال رنج میبرند. برای پرداختن به این موضوع،.
ReDef (مجموعه دادههای نقص مبتنی بر بازگشت) را ارائه میکنیم،. یک معیار با اطمینان بالا از تغییرات در سطح عملکرد که از 22 پروژه در مقیاس بزرگ C/C++.
تهیه شده است. موارد معیوب توسط commitهای برگرداندن ثابت میشوند،.
در حالی که موارد پاک از طریق بررسیهای تاریخچه پس از آن تایید میشوند. نمونههای مبهم بهطور محافظه کارانه از طریق یک فرآیند تریاژ به کمک GPT که شامل چندین رأی.
و ممیزی است،. فیلتر میشوند.
این خط لوله دارای 3164 اصلاح معیوب و 10268 اصلاح تمیز است که ی قابل اعتمادتری نسبت به. منابع قبلی ارائه میدهد.
فراتر از ساخت مجموعه داده،. ما a ارزیابی سیستماتیک از چگونگی مدلهای زبان کد (CLM) - بهویژه CodeBERT،.
CodeT5+،. UniXcoder و Qwen2.
5 در مورد تغییرات کد. ما ابتدا بررسی میکنیم که کدام کدهای ورودی بهطور موثرتر اطلاعات تغییر را تحت پنج استراتژی مختلف.
نشان میدهند. سپس چهار استراتژی اغتشاش خلاف واقع (بهعنوان مثال،.
تعویض بلوکهای اضافه/حذف شده،. معکوس کردن قطبیت اختلاف) طراحی میکنیم تا بهعنوان پروبهای تشخیصی عمل کنند.
ما فرض میکنیم که اگر مدلها واقعاً معنایی تغییر را دریافت کنند،. چنین تحریفهایی باید منجر به کاهش آشکار در عملکرد پیشبینی شوند.
نتایج ما نشان میدهد که رمزگذاریهای فشرده به سبک تفاوت بهطور مداوم از فرمتهای کل عملکرد در همه. CLMها بهتر عمل میکنند،.
که توسط تأیید آماری دقیق پشتیبانی میشوند. با این حال،.
تحت آزمایشهای خلاف واقع،. عملکرد بهطور موثر ثابت میماند و نشان میدهد که آنچه به نظر استحکام میآید در واقع منعکسکننده تکیه.
بر نشانههای سطحی است نه درک معنایی واقعی.
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.