研究人员开发了一个新的数据集和基准，专门用于科学代码搜索，解决了现有工具专注于通用软件工程的局限性。该数据集包含来自美国宇航局五个部门的 5,264 个科学存储库，并附带了清理过的 README 文件和提取的主题。该资源支持两个新的基准：一个用于存储库搜索，包含 219 个专家策划的查询；另一个用于大规模代码片段检索，涉及七种编程语言中的 117,000 多个片段和查询。初步评估突显了不同科学领域和编程语言之间的性能差异，表明科学工具发现的复杂性。 AI
影响 旨在改进科学软件的发现，可能加速研究工作流程。
排序理由 发表一篇介绍新数据集和基准的科学论文。[lever_c_demoted from research: ic=1 ai=0.7]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.05443v1 Announce Type: cross Abstract: Scientists increasingly rely on open-source tools to support their research workflows, yet discovering relevant software among over 600 million GitHub repositories remains challenging. Existing code search benchmarks focus on gene…
Scientists increasingly rely on open-source tools to support their research workflows, yet discovering relevant software among over 600 million GitHub repositories remains challenging. Existing code search benchmarks focus on general software engineering tasks and fail to capture…