利用预训练模型提升代码审查自动化

代码审查在开源和工业项目中被广泛采用。鉴于该过程不可忽略的成本，研究人员已开始探索自动化特定代码审查任务的可能性。我们近期提出了针对两项任务自动化的深度学习（DL）模型：第一个模型以提交审查的代码为输入，并在其中实现审查者可能推荐的修改；第二个模型以提交的代码和自然语言撰写的审查者评论为输入，自动实现审查者所要求的修改。尽管我们取得的初步结果令人鼓舞，但两个模型均仅在相当简单的代码审查场景中进行了测试，大幅简化了目标问题。这也源于我们在设计技术和实验时所做的选择。在本文中，我们在该工作基础上证明，预训练的文本到文本迁移Transformer（T5）模型能够在代码审查任务自动化上超越以往的DL模型。此外，我们在一个更大、更真实（且更具挑战性）的代码审查活动数据集上开展了实验。