研究人员开发了 GraphScent,一种在有限硬件上运行大型语言模型时,用于定位与错误修复相关的代码片段的新颖方法。通过分析 Gemma 4 模型在众多 Python 问题中的定向相关性信号,他们发现包围作用域和上游调用者的分数比下游被调用者或词法嵌入信息量更大。GraphScent 利用这些发现提高了代码定位的准确性,在单 GPU 预算内,将 31B 参数模型的准确性从 12.8% 提高到 23.4%。 AI
影响 增强了在消费级硬件上运行大型语言模型进行代码分析的可行性。
排序理由 该集群描述了一篇在 arXiv 上发表的研究论文,其中详细介绍了一种新的代码定位方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →