Методи оцінювання кодогенераторів

DOI: 10.31673/2412-9070.2024.013840

Анотація

Кодогенератори — це спеціалізовані програми або сервіси, які автоматично створюють код для різноманітних завдань. Вони сприяють підвищенню продуктивності програмування, спрощують розроблення та допомагають у ви- вченні нових мов програмування. У статті досліджено основні методи та підходи до оцінювання кодогенераторів. Визначено головні критерії для вибору найефективніших методів.

Ключові слова: кодогенератори; програмування; автоматизація; мови програмування; класифікація.

Список використаної літератури
1. What is a Code Generator? - Definition from Techopedia.
2. Code Generation Using Machine Learning: A Systematic Review // IEEE Journals & Magazine | IEEE Xplore.
3. CodeBERT: A Pre-Trained Model for Programming and Natural Languages / J. Zhang, Y. Wang, G. Li, Z. Jin // Proceedings of the 28th International Joint Conference on Artificial Intelligence. 2020. P. 4613–4619. AAAI Press.
4. Codexglue: A machine learning benchmark dataset collection for code understanding and generation / W. Lu, D. Chen, X. Wan [et al.] // 2020. arXiv preprint arXiv:2012.15644.
5. Pangucoder: A large-scale pretrained model for code generation / Z. Yang, S. Chen, C. Gao [et al.] // 2021. arXiv preprint arXiv:2109.06370.
6. Deep code comment generation / X. Hu, G. Li, X. Xia [et al.] // Proceedings of the 26th Conference on Program Comprehension. 2018. P. 200–210.
7. code2seq: Generating sequences from structured representations of code / U. Alon, M. Zilberstein, O. Levy, E. Yahav // Proceedings of the International Conference on Learning Representations. 2019.
8. code2vec: Learning distributed representations of code / U. Alon, S. Brody, O. Levy, E. Yahav // Proceedings of the ACM on Programming Languages, 2019. 3(POPL). Р. 1–29.
9. Transcoder: Neural transcompiler system for source code migration / M. Chen, C. J. Maddison, M. Arjovsky, G. Lample // 2020. arXiv preprint arXiv: 2006.03511.
10. Yin P., Neubig G. A syntactic neural model for general-purpose code generation // Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics. 2018. Vol. 1: Long Papers. P. 440–450.
11. Mapping language to code in programmatic context / S. Iyer, I. Konstas, A. Cheung, L. Zettlemoyer // Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing. 2018. P. 1643–1652.