利用奖励模型指导代码审查评论的生成
软件工程
2025-06-06 v1 机器学习
摘要
代码审查是现代软件开发的关键组成部分，涉及评估代码质量、提供有关潜在问题的反馈，并细化代码以解决所识别的问题。尽管存在这些好处，但代码审查相当耗时，且受主观性和人类因素的影响。因此，已提出各种技术来（部分）自动化代码审查过程。在此类方法中，利用深度学习（DL）的技术能够通过评论来对给定代码进行人类审阅者式的评审（即评论生成任务）或通过自动实现审阅者评论所需的代码更改（即代码细化任务）。本文引入了 CoRAL 框架，通过强化学习实现评论生成自动化，采用奖励机制考虑所生成评论的语义以及它们对其他自动化代码细化模型的有用性。核心思想是：如果 DL 模型生成的评论与预期评论语义相似，或能被专注于代码细化的第二个模型成功实现，这些评论可能是有意义且有用的，因此值得在强化学习框架中获得高奖励。我们对比了 CoRAL 生成的评论与最新基线技术生成的评论，旨在定性和定量地突出其有效性与优越性。
引用
@article{arxiv.2506.04464,
title = {Leveraging Reward Models for Guiding Code Review Comment Generation},
author = {Oussama Ben Sghaier and Rosalia Tufano and Gabriele Bavota and Houari Sahraoui},
journal= {arXiv preprint arXiv:2506.04464},
year = {2025}
}