.png){kind=icon}
返回
Do Current Language Models Support Code Intelligence for R Programming Language? RCR Report
.png){kind=icon}
PRE
AI
DOI：10.1145/3744902.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在本报告中，我们介绍了为复现和扩展R编程任务实验而整理的数据集，特别是代码摘要和方法名称预测任务。该数据集通过收集GitHub上的R仓库、使用tree-sitter解析器解析代码片段，并基于Roxygen2文档将其与自然语言描述进行匹配而生成。基于此数据集，我们的工作对预训练代码语言模型（Code-PLMs）在R代码上的性能进行了深入分析。我们强调了R的双范式——Tidyverse和Base R所带来的挑战，并证明当前模型（包括大型语言模型）在应用于R代码时表现出不同程度的性能下降。因此，我们强调了在R中有效利用Code-PLMs的复杂性，这源于其多样化的编程风格和语言特性。
期刊
A
IF:
6.2
论文数:
1.2K
被引数:
3.4K
机构
暂无机构信息
引用论文
暂无论文信息