AlignCoder 框架通过增强检索来提高代码补全的准确性

研究人员开发了 AlignCoder，一个旨在改进大型语言模型存储库级别代码补全的新框架。该系统通过查询增强机制和基于强化学习的检索器来增强检索增强生成（RAG），从而解决了当前代码 LLM 的局限性。这种方法旨在更好地将检索到的代码片段与用户的意图对齐，从而实现更准确的补全。在 CrossCodeEval 等基准测试上的评估显示，与现有方法相比，精确匹配分数提高了 18.1%，证明了其在不同代码 LLM 和编程语言中的广泛适用性。 AI

影响 提高了 LLM 的代码补全准确性，可能提高开发者的生产力。

排序理由 该集群包含一篇详细介绍新 AI 框架及其在基准测试上评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• AlignCoder
• alphaXiv
• arXiv
• CatalyzeX
• CrossCodeEval
• DagsHub
• Gotit.pub
• Hugging Face
• RepoEval
• ScienceCast
• Tianyu Jiang

• 论文
• 模型发布

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