基于 AI 链式方案解决局部代码中的 FQN 与语法错误
软件工程
2023-06-22 v1
摘要
API 文档、技术博客与编程问答站点包含大量可复用于编程任务的局部代码，但这些代码常因未解析名称与语法错误而无法编译。为促进局部代码复用，我们提出局部代码复用链（PCR-Chain），用于基于 ChatGPT 等巨型大语言模型（LLM）解析完全限定名（FQN）并修复局部代码中的最后一公里语法错误。在方法上，PCR-Chain 由底层的全局级提示架构（结合分层任务分解、提示组合以及基于提示的 AI 与非 AI 单元混合三种设计思想）与局部级提示设计支撑。技术上，我们提出 PCR-Chain，其采用上下文学习而非符号化、高成本的训练方法。实验结果表明，在动态类型语言（Python）中，PCR-Chain 比当前最优（SOTA）方法（如 RING）准确率高出 5%。对于静态类型语言（Java），我们的方法在同时解析非 FQN 与最后一公里语法错误上达到 80.5% 的高准确率，超越了只能处理最后一公里语法错误的 SOTA 方法（RING）。单元、模块与 PCR-Chain 的正确执行证明了提示设计、组合与架构的有效性，并为构建基于 LLM 替代传统程序分析方法的软件工程工具开辟了可能。
引用
@article{arxiv.2306.11981,
title = {A Chain of AI-based Solutions for Resolving FQNs and Fixing Syntax Errors in Partial Code},
author = {Qing Huang and Jiahui Zhu and Zhenchang Xing and Huan Jin and Changjing Wang and Xiwei Xu},
journal= {arXiv preprint arXiv:2306.11981},
year = {2023}
}