.png){kind=icon}
返回
EnCur: Curriculum-based in-context learning with structural encoding for code time complexity prediction
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.129094.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 使用ANTLR的结构编码通过屏蔽变量和函数名称来抽象代码语法，以捕获底层算法模式。
• 课程学习将代码示例从简单到复杂排序，实现对时间复杂度预测的逐步训练。
• 迭代反馈通过持续的错误纠正来优化模型输出，提高预测准确性和F1分数。
• 在GPT-3.5、GPT-4o和GPT-4o-mini上的实验表明，EnCur在代码时间复杂度预测方面优于当前最先进的上下文学习技术。
Keyword:
structural encoding
curriculum learning
iterative feedback
time complexity prediction
in-context learning
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
暂无论文信息