VidToCode: LLM-Based Source Code Reconstruction From Programming Video Tutorial Transcripts

doi:10.1109/access.2026.3741380

VidToCode: LLM-Based Source Code Reconstruction From Programming Video Tutorial Transcripts

2026-10-08

0

OA

AI

Abdulaziz A. Alsulami

DOI：10.1109/access.2026.3741380

原文链接

原文求助

摘要

En 中文

编程教程展示演变的代码，但恢复最终项目仍然需要手动操作。现有的自动化方法对视频帧应用光学字符识别（OCR），仅恢复瞬间可见的代码，而非最终的源文件集。据我们所知，先前的工作并未研究重建教程的最终源文件集。我们使用仅包含字幕的输入来研究此任务，并提出 VidToCode，一个基于大型语言模型（LLM）的框架，并附带一个包含36个YouTube教程的基准数据集，这些教程在四种语言、三个时长区间和三个主题类型上保持平衡，并配有手动重建的参考代码。我们使用Token-NLS（0到1的标记级词汇相似度度量）、预期语言识别、语法或编译检查、基于执行的行为测试以及标记使用，对四种管道变体和六种LLM进行了756次运行评估。在所有变体对36个教程和三种高端模型的匹配比较中，单次通过B1实现了最高的平均Token-NLS（0.565，标准差0.225）和最高的通过所有教程特定场景的比率（79.6%），同时使用的标记数量比记笔记B4少约74%。我们还通过一个单独的1,620次运行研究评估了运行间的稳定性，该研究在每个适用的模型–变体配置下重复三次，覆盖所有36个教程。B1在三次重复中均排名第一，平均Token-NLS为0.555，而状态化B3为0.532，样本标准差分别为0.005和0.003。对于与基准相似的教程，旁白可以支持满足指定测试的重建，B1在词汇相似度、行为成功率和标记使用方面提供了最强的观察组合。

Keyword:

Code generation

large language models

programming video tutorials

transcript-based code reconstruction

software engineering education

empirical software engineering

VidToCode: LLM-Based Source Code Reconstruction From Programming Video Tutorial Transcripts

摘要

期刊

机构

引用论文