每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

利用 LLM、IDE 和语义嵌入实现自动移动方法重构

Created by
  • Haebom

作者

Abhiram Bellur、Fraol Batole、Mohammed Raihan Ullah、Malinda Dilhara、Yaroslav Zharov、Timofey Bryksin、Kai Ishikawa、陈海峰、Masaharu Morimoto、Shota Motoura、Takeo Hosomi、Tien N. Nguyen、Hridesh Rajan、Nikolaos Tsantalis、Danny Dig

大纲

这项关于 MOVEMETHOD 重构的研究强调了现有研究工具的局限性，并提出了一种利用大规模语言模型 (LLM) 的新方法。我们开发了 MM-assist，一个基于 LLM 的自动化 MOVEMETHOD 辅助工具，实现了从推荐到执行的整个过程的自动化。MM-assist 通过引入静态分析、自洽性、批判性和排名系统来解决 LLM 的“幻觉”问题，并通过重构感知的搜索增强生成 (RAG) 克服了 LLM 上下文规模有限的问题。MM-assist 的表现优于现有方法，并通过用户研究证明了其有效性和可用性。

Takeaways，Limitations

•
Takeaways：
◦
我们提出了一种利用 LLM 实现 MOVEMETHOD 重构自动化的创新方法。
◦
我们开发了一种特定的方法（静态分析、自洽、批判、排名）来解决 LLM 中的幻觉问题。
◦
我们利用重构感知 RAG 解决 LLM 的有限上下文问题。
◦
我们已经通过各种评估方法（基准、开源软件和用户研究）证明了 MM-assist 的有效性。
•
Limitations：
◦
由于其依赖于LLM的表现，因此受到LLM的发展和局限性的影响。
◦
缺乏有关 MM-assist 的具体实施细节和技术方面的信息（例如，静态分析方法、自洽方法等）。
◦
可能需要进一步研究来确定特定类型的代码或项目的普遍性。
◦
用户研究的参与者数量有限。
👍
Made with Slashpage