यह पत्र नॉलेज-गाइडेड प्रॉम्प्ट लर्निंग (KP-PCR) का प्रस्ताव करता है, जो डेवलपर्स के कोड समीक्षा अनुरोधों की आवश्यकता का पूर्वानुमान लगाने और उपयुक्त टैग्स की अनुशंसा करने की एक नई विधि है, जिसका उद्देश्य सॉफ्टवेयर प्रश्न उत्तर (SQA) समुदाय में विकसित ओपन कोड रिव्यू (PCR) प्रणाली को बेहतर बनाना है। पिछले PCR शोध के विपरीत, जो मुख्य रूप से समीक्षक के दृष्टिकोण पर केंद्रित है, KP-PCR डेवलपर अनुरोध संतुष्टि को बेहतर बनाने पर केंद्रित है। इसे प्राप्त करने के लिए, यह दो उप-कार्य करता है: अनुरोध आवश्यकता का पूर्वानुमान और टैग अनुशंसा। इस उप-कार्य में मास्क्ड लैंग्वेज मॉडल (MLM) पर आधारित टेक्स्ट प्रॉम्प्ट को ट्यून करना, और बड़े पैमाने के भाषा मॉडल और प्रोग्राम निर्भरता ग्राफ़ का उपयोग करके ज्ञान और कोड उपसर्गों को ठीक करना शामिल है। अंतिम परिणाम उत्तर इंजीनियरिंग मॉड्यूल द्वारा आउटपुट किए जाते हैं।
