可读性的隐藏成本：代码格式如何悄然消耗您的 LLM 预算
软件工程
2025-08-21 v1 人工智能
摘要
源代码通常包含缩进和换行等元素，以提高人类开发者的可读性。然而，这些视觉辅助措施似乎对大型语言模型(LLM)并不像对人类开发者那样有益，因为代码被处理为线性的标记序列。此外，这些额外的标记会导致计算成本增加和响应时间延长。如果这些格式元素对 LLM 来说是非必需的，我们可以通过移除它们来降低此类成本。为弄清格式元素发挥的作用，我们进行了一项全面的实证研究，以评估代码格式对 LLM 性能和效率的影响。通过在 Java、Python、C++、C# 四种编程语言上进行大规模实验，涵盖十个 LLM（包括商业和开源模型），我们系统分析了在移除格式元素后，标记计数和性能的变化。关键发现表明，LLM 在格式化代码和非格式化代码之间可以保持性能，在输入标记方面平均降低 24.5%，而输出标记几乎没有降低。这使得代码格式移除成为一种实用的优化策略，用于提高 LLM 的效率。进一步的探索表明，无论是提示或微调 LLM，都可以显著减少（最高达 36.1%）的输出代码长度，而不会牺牲正确性。为便于实际应用，我们开发了一个双向代码转换工具，用于格式处理，可以无缝集成到现有的 LLM 推理工作流程中，确保人类可读性和 LLM 效率。
引用
@article{arxiv.2508.13666,
title = {The Hidden Cost of Readability: How Code Formatting Silently Consumes Your LLM Budget},
author = {Dangfeng Pan and Zhensu Sun and Cenyuan Zhang and David Lo and Xiaoning Du},
journal= {arXiv preprint arXiv:2508.13666},
year = {2025}
}
备注
Accepted by ICSE'26 (First Cycle)