Context-aware code summary generation

Chia‐Yi Su

doi:10.1016/j.jss.2025.112580

Context-aware code summary generation

2025-08-06

0

PRE

AI

DOI：10.1016/j.jss.2025.112580

原文链接

原文求助

摘要

En 中文

近期大型语言模型（LLMs）的进展已使自动代码摘要成为现实。然而，这些方法生成的摘要往往仅关注代码的狭窄领域。其结果是生成的摘要虽然解释了该函数的内部功能，但缺乏对程序更广泛背景中其目的的描述。本文提出了一种将此上下文纳入最新LLM基代码摘要的方法。该方法以Java方法及其调用方法的摘要作为输入，输出为该方法的简洁英文目的描述。此方法的优势在于，我们使小模型的标记数量减少了81%。我们分两步训练该模型：首先从大型模型中蒸馏代码摘要知识，然后使用一项针对人类程序员的研究数据（要求他们编写代码摘要）对模型进行微调。我们以竞赛式人类研究评估了该方法，并分析了决策背后的原理。我们在人类研究中发现，对于此任务，人类程序员更偏好我们方法生成的摘要，而非GPT-4生成的摘要，且准确性是最常见的原因使得某个摘要优于其他摘要。在自动指标方面，我们也观察到USE评分提升了10%。

Keyword:

code summarization

large language models

context-aware summaries

model distillation

human evaluation

Context-aware code summary generation

摘要

期刊

机构

引用论文