МЕТОДИ ПОКРАЩЕННЯ ВЕЛИКИХ МОВНИХ МОДЕЛЕЙ ДЛЯ ПОКРАЩЕННЯ ЯКОСТІ РЕФАКТОРИНГУ КОДУ
DOI:
https://doi.org/10.34185/1991-7848.itmm.2025.01.110Ключові слова:
рефакторинг, розробка, код, LLM, штучний інтелект, машинне навчання, велика мовна модель.Анотація
У даному досліджені розглядаються методи покращення великих мовних моделей (LLM) для рефакторингу програмного забезпечення. Використовуючи методи точного налаштування та індексації файлів вихідного коду, розкривається питання покращення результатів використання LLM для задачі рефакторингу кодових баз та покращеного використання контексту мовних моделей. Запропоновані підходи націлені на підвищення якості вихідного коду після рефакторингу, а також покращення різних великих мовних моделей шляхом змін в самій моделі чи інтеграції її з додатковим програмним забезпеченням. Оцінка результатів реалізації методів буде здійснюватися за допомогою показників Code Health та F1-метрики. Це дає змогу визначити ефективність запропонованих рішень. Результати досліджень відкривають нові перспективи для академічних досліджень та ефективного впровадження у проекти різного масштабу.
Посилання
Codescene. Refactoring-vs-Refuctoring-Advancing-the-state-of-AI-automated-code-improvements. URL: https://codescene.com/hubfs/whitepapers/Refactoring-vs-Refuctoring-Advancing-the-state-of-AI-automated-code-improvements.pdf
Rishab Ramesh, Akarsh Thejasvi Raju M, Harsha Vardhan Reddy, Sandeep Varma N. Fine-Tuning Large Language Models for Task Specific Data. URL: https://ieeexplore.ieee.org/document/10730913 DOI: 10.1109/ICNEWS60873.2024.10730913
Fu Q., Cho M., Merth T., Mehta S., Rastegari M., Najibi M. LazyLLM: DYNAMIC TOKEN PRUNING FOR EFFICIENT LONG CONTEXT LLM INFERENCE. arXiv preprint arXiv:2407.14057, 2024. URL: https://arxiv.org/pdf/2407.14057
Codescene. Code Health – How easy is your code to maintain and evolve? URL: https://codescene.io/docs/guides/technical/code-health.html
ENCORD. F1 Score in Machine Learning. URL: https://encord.com/blog/f1-score-in-machine-learning/
