下一次编辑预测：从上下文和交互历史学习预测代码编辑
软件工程
2025-09-16 v2 机器学习
摘要
大型语言模型（LLM）的快速发展导致 AI 编程助手广泛集成到开发环境中。一方面，低延迟代码补全受限于光标当前位置，只能提供局部建议；另一方面，基于聊天的编辑虽可执行复杂修改，却迫使开发者停止工作、以自然语言描述意图，造成上下文切换。这种情况会造成次优的用户体验，因为 neither 方案能主动预测开发者在一系列相关编辑中的下一步操作。为弥合这一差距并提供无缝的代码编辑建议，我们引入了下一次编辑预测（Next Edit Prediction）任务，这是一种新任务，旨�从最近的交互历史推断开发者意图，以预测后续编辑的位置和内容。具体而言，我们策划了高质量的监督式微调数据集和评估基准。随后，我们在多个模型上进行监督式微调，并对微调后的模型及其他基线模型进行全面评估，获得若干新发现。这一工作为一种以主动预测开发者后续行动（而非仅响应明确指令）来与开发者协作的新交互范式奠定了基础。代码已公开于 https://github.com/lurf21/NextEditPrediction。
引用
@article{arxiv.2508.10074,
title = {Next Edit Prediction: Learning to Predict Code Edits from Context and Interaction History},
author = {Ruofan Lu and Yintong Huo and Meng Zhang and Yichen Li and Michael R. Lyu},
journal= {arXiv preprint arXiv:2508.10074},
year = {2025}
}