PulseAugur
实时 10:02:01
English(EN) A Unified Model for Cross-Domain Clone Detection via Model Merging

模型合并创建统一的跨域代码克隆检测器

研究人员探索了模型合并技术,以创建一种用于跨域克隆检测的统一模型,从而解决由专业深度学习检测器引起的碎片化危机。在各种代码模型和基准测试中评估了参数合并(TIES)和架构合并(WUDI)等方法。TIES合并在泛化到未见过的AI生成克隆方面表现出强大的能力,在鲁棒性方面优于零样本代码LLM和多任务训练,尽管WUDI在分布内性能方面取得了更高的分数。研究表明,共享的预训练基础对于软件工程中有效的跨模型合并至关重要。 AI

影响 这项研究为开发更鲁棒、更具泛化性的代码克隆检测系统提供了一种实用的方法,有望改进软件开发工具。

排序理由 学术论文,详细介绍了软件工程中模型合并的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

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 →

模型合并创建统一的跨域代码克隆检测器

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Palash R. Roy, Banani Roy, Kevin A. Schneider, Chanchal K. Roy ·

    通过模型合并实现跨域克隆检测的统一模型

    arXiv:2608.04215v1 Announce Type: cross Abstract: The growing diversity of code clone types, from syntactic copies to cross-language semantic clones to AI-generated duplicates, has created a fragmentation crisis in clone detection. Current deep learning detectors are domain speci…