神经代码补全的生产力评估
软件工程
2022-05-16 v1 计算与语言
人机交互
机器学习
摘要
神经代码合成已达到这样一个阶段：片段生成的准确度足以考虑集成到人类软件开发工作流中。商业产品旨在提高程序员的生产力，却无法直接衡量该指标。在本案例研究中，我们询问了 GitHub Copilot 的用户其对该工具生产力的影响，并试图在可直接测量的用户数据中找到其感知的反映。我们发现，驱动开发者生产力感知的因素是所显示建议被接受的比率，而非关于补全代码随时间持久性的更具体指标。
引用
@article{arxiv.2205.06537,
title = {Productivity Assessment of Neural Code Completion},
author = {Albert Ziegler and Eirini Kalliamvakou and Shawn Simister and Ganesh Sittampalam and Alice Li and Andrew Rice and Devon Rifkin and Edward Aftandilian},
journal= {arXiv preprint arXiv:2205.06537},
year = {2022}
}
备注
To appear in: Proceedings of the 6th ACM SIGPLAN International Symposium on Machine Programming (MAPS '22), June 13, 2022