使用 LLM 的自动拉取请求描述生成：T5 模型方法

Md Nazmus Sakib; Md Athikul Islam; Md Mashrur Arifin

使用 LLM 的自动拉取请求描述生成：T5 模型方法

机器学习 2024-08-05 v1 计算与语言软件工程

作者: Md Nazmus Sakib , Md Athikul Islam , Md Mashrur Arifin

摘要

开发人员创建拉取请求 (PR) 描述以提供其更改概览并解释背后的动机。这些描述有助于审阅者和其他开发人员快速理解更新。尽管其重要性，some developer 仍会省略这些描述。为解决此问题，我们提出一种基于提交消息和源代码注释自动生成 PR 描述的方法。该方法将任务建模为文本摘要问题，采用 T5 文本到文本传递模型。我们使用包含 33,466 个 PR 的数据集微调了预训练的 T5 模型。通过 ROUGE 指标评估了模型的效果， ROUGE 被认为与人类评估高度一致。我们的发现表明，T5 模型显著优于作为我们基准进行比较的 LexRank。

关键词

拉取请求描述文本摘要 T5 模型 LLM ROUGE 指标

引用

@article{arxiv.2408.00921,
  title  = {Automatic Pull Request Description Generation Using LLMs: A T5 Model Approach},
  author = {Md Nazmus Sakib and Md Athikul Islam and Md Mashrur Arifin},
  journal= {arXiv preprint arXiv:2408.00921},
  year   = {2024}
}

备注

Accepted to 2nd International Conference on Artificial Intelligence, Blockchain, and Internet of Things (AIBThings-2024), September 07-08, 2024, Michigan, USA

使用 LLM 的自动拉取请求描述生成：T5 模型方法

摘要

关键词

引用

备注

相关论文