PulseAugur
实时 16:32:32
English(EN) Static Program Slicing Using Language Models With Dataflow-Aware Pretraining and Constrained Decoding

语言模型通过数据流预训练改进静态程序切片

研究人员开发了Sliceformer,一种使用语言模型识别相关代码段的新型静态程序切片方法。该方法通过数据流感知预训练改进依赖建模并防止约束解码产生不准确的输出,从而解决了现有基于学习的技术的局限性。在Java和Python基准测试上的评估表明,Sliceformer的性能显著优于当前方法,ExactMatch准确率提高了22%。 AI

影响 提高了自动化代码分析的准确性,可能有助于开发人员调试和理解复杂的代码库。

排序理由 介绍一种新颖的静态程序切片方法的学术论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

语言模型通过数据流预训练改进静态程序切片

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Pengfei He (Peter), Shaowei Wang (Peter), Tse-Hsun (Peter), Chen, Muhammad Asaduzzaman ·

    Static Program Slicing Using Language Models With Dataflow-Aware Pretraining and Constrained Decoding

    arXiv:2604.26961v1 Announce Type: cross Abstract: Static program slicing is a fundamental software engineering technique for isolating code relevant to specific variables. While recent learning-based approaches using language models (LMs) show promise in automating slice predicti…