文献

J-GLOBAL ID：202402226664859241   整理番号：24A1641197

GitHub Copilotを用いたコード推薦における入力言語の影響調査

著者 (6件)： 小柳慶 (九州大学) ,  野口広太郎 (九州大学) ,  Wang Dong (九州大学) ,  近藤将成 (九州大学) ,  亀井靖高 (九州大学) ,  鵜林尚靖 (九州大学)
資料名： ソフトウェア工学の基礎ワークショップ論文集(Web)  (Proceedings of the JSSST Workshop on Foundation of Software Engineering (Web))
巻： 30  ページ： 135-140(J-STAGE)  発行年： 2023年 
JST資料番号： U2922A  ISSN： 2436-634X  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年,IT需要の拡大に伴って,開発効率向上のため,開発支援ツールを活用して開発が行われている. その中の一つとして,2022年にGitHubが公開したGitHub Copilotがある. GitHub Copilotは大規模言語モデルをベースとしたコード推薦ツールの一種であり, 仕様を記述したコメントや,記述中のプログラムをもとに開発者に対してコードやライブラリを推薦する. 一方,大規模な事前学習済み言語モデルは,入力によって出力が大きく異なることが知られている. そこで,本稿では,言語間の学習データ量の違いに着目し,入力言語の違いがCopilotの性能にどのような影響を与えるのか調査を行った. 調査の結果,入力言語の違いによってGitHub Copilotの性能に差が生じることが明らかになった. また,調査結果によって明らかとなった大規模言語モデルに対する問題点を示す.(著者抄録)

シソーラス用語： 情報技術 ,  効率 ,  大規模 ,  *言語モデル ,  計画 ,  *コード ,  ライブラリ【計算機】 ,  学習 ,  データ ,  *言語 ,  開発効率 ,  学習データ
準シソーラス用語： IT ,  プログラム ,  事前学習

分類 (2件)： 計算機システム開発  (JD02010R) ,  計算機ソフトウエア一般  (JD01010K)

タイトルに関連する用語 (4件)： GitHub ,  推薦 ,  言語 ,  調査