抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
AhmedとDevanbuによる最近の研究は,多言語事前訓練言語モデル(PLM)に多言語データセットで書かれたコードのコーパスを用いることが,ただ一つのプログラミング言語で書かれた符号のコーパスを使用するのとは対照的に,より高い性能を達成することを報告した。しかし,微調整モノリンガルPLMに関して解析がなされていないので,いくつかのプログラミング言語は本質的に異なり,1つの言語で書かれたコードは,通常,他のもの,すなわち,RubyとJavaコードは,非常に異なる構造を持っている。モノリンガルと多言語PLMがどのように異なるプログラミング言語に影響するかをより良く理解するために,2つの一般的なソフトウェアエンジニアリングタスクのためのRubyのPLMの性能,すなわち,コード要約とコード検索,2)Rubyのための微調整多言語PLMにうまく働く戦略(プログラミング言語を選択する),および3)異なる符号長を与えたRubyの微調整PLMの性能を研究した。本研究では,100以上の事前訓練および微調整モデルを解析した。その結果,1)多言語PLMは,モノリンガルPLMと比較して,低性能対時間比(BLEU,METEOR,またはMRRスコア)を持ち,多言語PLMを微調整するための目標プログラミング言語を選択するための提案戦略は,効果的である:それは,コードSummarizationおよびコード検索タスクにおいて,時間を減らし,また,この提案方式は,異なる符号長に対して,一貫して良好な性能を示す。【JST・京大機械翻訳】