深入探究提交-问题关联性以增强提交信息生成模型

提交信息生成（CMG）是自动化软件工程中的一项挑战性任务，旨在为提交的代码变更生成自然语言描述。以往方法均从修改后的代码片段出发，通过基于模板、基于检索或基于学习的模型输出提交信息。尽管这些方法能从代码角度总结修改了什么，却难以提供提交的原因。提交与问题之间的关联性可能是生成合理提交信息的关键因素，但至今未被探索。在本工作中，我们从数据集与方法论的角度深入探究提交与问题之间的关联性。我们构建了首个以结合相关提交与问题为基础的数据集。该数据集包含一个无标注的提交-问题平行部分，以及一个标注部分，其中每个样例在问题中均提供了人工标注的合理性信息。此外，我们提出 \tool（\underline{Ex}traction、\underline{Gro}unding、\underline{Fi}ne-tuning），一种可将提交与问题间的关联性引入模型训练阶段的新型范式。为评估其有效性，我们使用多种当前最优（SOTA）的 CMG 模型进行了全面实验。结果表明，与原模型相比，\tool 增强模型的性能得到显著提升。