HyperSeq：用于预测状态序列的超自适应表示
软件工程
2025-03-14 v1 人机交互
摘要
在快速发展的软件开发领域，开发者对AI驱动工具的依赖激增，将集成开发环境（IDE）转变为具备高级功能的强大平台。这一转变虽然将开发者的生产力提升至前所未有的水平，但也带来了代价：软件开发对硬件的需求不断增加。此外，使用这些复杂模型所带来的显著经济和环境成本需要能够减少不必要计算负担的机制。我们提出HyperSeq——Hyper-Adaptive Representation for Predictive Sequencing of States——一种新颖的资源高效方法，旨在建模开发者的认知状态。HyperSeq支持精确的动作序列化，并能实现用户行为的实时学习。我们的初步结果表明，HyperSeq在预测动作序列方面表现出色，预测准确率超过70%。值得注意的是，该模型的在线学习能力使其在大多数情况下显著提升了预测准确率，并通过足够的迭代适应增强了对下一用户动作的预测能力。最终，我们的目标是利用这些预测来动态优化和提升IDE中的用户体验。
引用
@article{arxiv.2503.10254,
title = {HyperSeq: A Hyper-Adaptive Representation for Predictive Sequencing of States},
author = {Roham Koohestani and Maliheh Izadi},
journal= {arXiv preprint arXiv:2503.10254},
year = {2025}
}
备注
Accepted at Ideas, Visions and Reflections (IVR) Track off the 2025 edition of ACM International Conference on the Foundations of Software Engineering (FSE) in Trondheim, Norway