.png){kind=icon}
返回
An Empirical Study of Code Simplification Methods in Code Intelligence Tasks
.png){kind=icon}
PRE
AI
DOI：10.1145/3720540.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，预训练语言模型在自然语言处理领域取得了显著成功，并越来越多地应用于代码相关任务。在代码预训练语言模型的支持下，代码智能任务已展现出有前景的性能。预处理代码简化方法被引入，用于从模型输入中修剪代码标记，同时保持任务有效性。这些方法提高了代码智能任务的效率，同时降低了计算成本。后预测代码简化方法为代码智能任务结果提供了解释，增强了模型预测的可靠性和可解释性。然而，针对这些方法在多样化代码预训练模型架构和代码智能任务上的全面评估尚属缺乏。为评估代码简化方法的有效性，我们进行了一项实证研究，将这些代码简化方法与各种预训练代码模型在多个代码智能任务中进行了整合。
期刊
A
IF:
6.2
论文数:
1.2K
被引数:
3.4K
机构
暂无机构信息
.png){kind=icon}
