Loading...
机构名称:
¥ 4.0

即使是功能良好的代码也经常包含隐藏的代码气味 - 可能阻碍软件质量的可能问题的指标。未发现的代码气味导致维护问题,从而增加了技术债务。这项研究探讨了最先进的大语模型(LLM)在发现不同代码气味时的潜在用途。我们的发现表明,美洲驼3显示了竞争性能,尤其是在检测结构代码的气味时;但是,进一步的统计分析表明,LLM和其他静态分析仪之间的总体性能没有显着差异,即PMD,CheckStyle和Sonarqube。这些结果表明,Llama 3尚未准备好完全替换静态分析工具,但可以用作宝贵的补充工具,从而避免了大量程序员的时间。

使用大语言模型的静态代码气味分析

使用大语言模型的静态代码气味分析PDF文件第1页

使用大语言模型的静态代码气味分析PDF文件第2页

使用大语言模型的静态代码气味分析PDF文件第3页

使用大语言模型的静态代码气味分析PDF文件第4页

使用大语言模型的静态代码气味分析PDF文件第5页

相关文件推荐

2025 年
¥1.0
2024 年
¥5.0
2024 年
¥1.0
2024 年
¥1.0
2025 年
¥23.0
2024 年
¥3.0
2024 年
¥1.0
2021 年
¥1.0
2022 年
¥1.0
2022 年
¥1.0