Amazon Prime Video 的研究人员开发了一个新的代码部署风险评估框架，超越了传统上常常强制执行全面冻结的方法。该系统利用直接从代码修改中提取的“差异感知特征”，并采用大型语言模型 (LLM) 来提取多种语言的特征。该框架在 Prime Video 的生产环境和公开的 ApacheJIT 数据集上进行了测试，在检测有风险的更改时，召回率达到了 0.83，F1 分数达到了 0.81。值得注意的是，研究发现代码的结构复杂性比添加或删除的行数等简单指标更能可靠地指示风险。 AI
影响 这项研究展示了 LLM 在代码分析（超越生成）方面的实用性，有望提高软件开发生命周期的效率和可靠性。
排序理由 关于软件开发中风险评估新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
