问题检索与验证增强的补充代码注释生成

问题报告被识别为检索增强代码注释生成的丰富信息来源。然而，如何最小化生成注释中的幻觉仍是重要挑战。本文提出了IsComment，这是一种基于问题的LLM检索和验证方法，用于生成方法的设计准则、用法指令等作为补充代码注释。我们首先通过代码-注释-问题分析识别五类代码补充信息，这些信息可由问题报告提供。接下来，我们检索包含这些补充信息的issue句子并生成候选代码注释。为减少幻觉，我们过滤掉与代码无关或无法由问题报告验证的候选注释，从而使代码注释生成结果更可靠。我们的实验表明，与LLM相比，IsComment将ChatGPT的手动补充注释覆盖率从33.6%提高到72.2%，将GPT-4o的覆盖率从35.8%提高到88.4%，将DeepSeek-V3的覆盖率从35.0%提高到86.2%。与现有工作相比，IsComment可以生成更丰富且更有用的补充代码注释以增进编程理解，该指标在有无手动代码注释的方法上均通过MESIA指标进行了量化评估。