热点事件持续更新

上下文信号对代码表示模型影响的实证研究

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

2026年11月9日，arXiv Artificial Intelligence 刊出一项由 Huy Nguyen 等作者完成的实证研究，考察用额外上下文信号增强神经代码表示后，对模型性能的影响。研究使用 SeSaMe、CodeSearchNet-Java、Vul4J 三个数据集，在代码克隆检测、代码分类、代码摘要和漏洞检测四项任务上评测模型。受测对象包括 CodeBERT、GraphCodeBERT、CodeT5、PLBART、ASTNN 五个基础代码模型，以及 CodeLlama、Qwen2.5-Coder、DeepSeek-Coder 等七个代码专用大语言模型。报道称，该研究用版本历史、结构关系等上下文信号增强代码表示，但未披露各模型在四项任务上的具体结果，也未说明不同上下文信号或数据集对性能差异的影响。目前该研究处于论文发布阶段，后续是否会有更详细的实验结论或同行评议进展，尚待跟进。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月9日

13:00
arXiv Artificial Intelligence
用额外上下文增强神经代码表示：CodeBERT、CodeLlama 等模型在四项任务上的实证研究
一项实证研究用版本历史、结构关系等上下文信号增强代码表示，在代码克隆检测、代码分类、代码摘要和漏洞检测四项任务上评测了 CodeBERT、GraphCodeBERT、CodeT5、PLBART、ASTNN 五个基础代码模型与 CodeLlama、Qwen2.5-Coder、DeepSeek-Coder 等七个代码专用 LLM。

本事件热度走势

可比范围当前: 7
可比范围峰值: 1011月9日 14:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。