LLM在源代码压缩方面比通用工具好82%

研究人员开发了一种使用大型语言模型（LLM）进行无损源代码压缩的新方法，该方法优于现有技术。这种称为阈值符号排序的方法将LLM的预测限制在排名靠前的符号，并将异常单独存储。对30个LLM的评估表明，该方法比以前的基于LLM的压缩器实现了高达37%的更好压缩率，并且速度快40%。虽然仍然比zstd等通用压缩器慢，但与它们相比，它提供了高达82%的显著改进的压缩增益，证明了LLM在捕捉源代码独特规律性方面的有效性。 AI

影响 为大规模代码存档提供了压缩率和速度之间新的权衡点，可能影响存储成本和数据传输效率。

排序理由 详细介绍使用LLM进行源代码压缩的新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• bzip2
• CatalyzeX
• Connected Papers
• DagsHub
• Gotit.pub
• Hugging Face
• Litmaps
• ScienceCast
• Scite
• Software Heritage
• Zstandard

• 论文
• 基础设施

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