PulseAugur
中
实时 20:38:23
English(EN) SynH-Rank: Quality-Aware Code Search via Diverse Data Synthesis and Hierarchical Ranking Training

新的SynH-Rank框架通过质量感知排序增强代码搜索

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了SynH-Rank，一个新颖的框架，旨在通过整合非功能性质量（如执行速度和可维护性）来改进代码搜索，而这些质量通常被当前系统所忽略。该框架通过使用LLM驱动的数据合成和分层排序方法，解决了质量标注数据集稀缺以及标准对比学习的局限性。这种方法明确地模拟了代码的质量层次（高质量相关 > 低质量相关 > 不相关），从而在质量偏好准确性和整体相关性指标方面取得了显著改进。 AI

影响 通过提高代码搜索的相关性和质量来增强开发者的生产力。

排序理由 该条目是一篇关于代码搜索新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

新的SynH-Rank框架通过质量感知排序增强代码搜索

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Keyu Liang, Haoye Wang, Yanfu Yan, Zhiyuan Wan, Zhongxin Liu ·

    SynH-Rank：通过多样化数据合成和分层排名训练实现质量感知代码搜索

    arXiv:2607.17139v1 Announce Type: cross Abstract: Code search enhances developer productivity by enabling efficient code reuse. Current code search systems often use a retrieve-then-rerank pipeline, where rerankers focus on modeling semantic relevance between queries and code. Ho…

相关实体

相关话题