公开(公告)号：CN118103822A

公开(公告)日：2024-05-28

申请号：CN202280069789.9

申请日：2022-08-23

Applicant: 微软技术许可有限责任公司

Inventor： C·B·克莱门特 ,  S·K·邓 ,  N·森达雷桑 ,  A·斯维亚特科夫斯基 ,  M·图法诺

IPC: G06F11/36 ,  G06F8/30

Abstract: 一种测试驱动的开发系统利用一种带注意力的神经变换器模型，用以在给定焦点方法的关联测试用例以及可选的焦点方法的方法签名和文档串的情况下生成焦点方法的方法体。验证候选方法体的句法正确性，使用给定的测试用例测试候选方法体，并且利用目标系统中的施主类测试候选方法体。然后，基于PLUM得分对那些通过验证和测试的候选方法体进行排序，PLUM得分对照各种质量指标和性能指标来分析候选方法体。

公开(公告)号：CN117321565A

公开(公告)日：2023-12-29

申请号：CN202280035178.2

申请日：2022-04-25

Applicant: 微软技术许可有限责任公司

Inventor： M·阿拉玛尼斯 ,  郭达雅 ,  S·K·邓 ,  N·森达雷桑 ,  A·斯维亚特科夫斯基

IPC: G06F8/33

Abstract: 一种代码完成工具使用注意力神经变换器模型生成有空洞的语法正确的候选来完成部分形成的源代码片段。该模型被训练来预测代码片段的底层语法的产生规则的非终结符号的扩展，不再局限于从左到右的扩展顺序。空洞是在候选中标记位置的编程语言的语法的非终结符号，其中代码完成引擎不确定应该被用来扩展非终结符号的产生规则。该空洞允许代码完成引擎在候选中扩展其他非终结符号和允许用户引导在候选中空洞的扩展。

公开(公告)号：CN118871886A

公开(公告)日：2024-10-29

申请号：CN202280091893.8

申请日：2022-11-29

Applicant: 微软技术许可有限责任公司

Inventor： C·B·克莱门特 ,  S·K·邓 ,  刘啸宇 ,  N·森达雷桑 ,  A·斯维亚特科夫斯基

IPC: G06F8/30 ,  G06F8/33

Abstract: 约束解码技术在解码过程的每个时间步骤中将词元约束合并到束搜索中，以生成在句法和语义上正确的可行的候选序列。词元约束标识应该出现在候选序列中的源代码词元或词元序列。词元约束是通过检查在每个解码步骤处预测的词元是否适用于基于编程语言的语法的产生规则、部分序列的句法正确性和/或静态类型正确性的部分解而被生成的。

公开(公告)号：CN114585999A

公开(公告)日：2022-06-03

申请号：CN202080054713.X

申请日：2020-06-11

Applicant: 微软技术许可有限责任公司

Inventor： A·斯维亚特科夫斯基 ,  傅胜宇 ,  N·森达雷桑 ,  S·K·邓

IPC: G06F8/33 ,  G06F8/41 ,  G06N3/04 ,  G06N3/08

Abstract: 一种代码补全工具使用神经变换器模型生成候选序列以补全源代码的行。神经变换器模型使用条件语言建模目标在大型无监督数据集上进行训练，该数据集包括用多种不同编程语言编写的源代码程序。神经变换器模型用于束搜索，该搜索预测针对正在开发的代码小片的最可能的候选序列。

公开(公告)号：CN118451426A

公开(公告)日：2024-08-06

申请号：CN202280083894.8

申请日：2022-10-27

Applicant: 微软技术许可有限责任公司

Inventor： C·B·克莱门特 ,  S·K·邓 ,  N·森达雷桑 ,  A·斯维亚特科夫斯基

IPC: G06N3/0495 ,  G06N3/0455 ,  G06N3/0985 ,  G06N3/063 ,  G06F18/23213

Abstract: 深度学习模型在其训练期间被量化以执行目标软件工程任务。在训练期间，全精度浮点权重的一部分通过标量量化或乘积量化被量化成INT4或INT8数据类型，以使模型对量化更有弹性并且减少量化的模型输出与全精度模型输出之间的噪声。在标量量化中，每个子块由被映射至码本的码字中的单个权重组成。在乘积量化中，使用单位矩阵和质心的码本将量化权重映射至其原始值。

公开(公告)号：CN117529727A

公开(公告)日：2024-02-06

申请号：CN202280041923.4

申请日：2022-05-11

Applicant: 微软技术许可有限责任公司

Inventor： C·B·克莱门特 ,  S·K·邓 ,  D·德雷恩 ,  N·森达雷桑 ,  A·斯维亚特科夫斯基 ,  田一丁 ,  M·图法诺 ,  P·A-C·王 ,  吴晨 ,  尤东江

IPC: G06N3/0464 ,  G06N3/08

Abstract: 一种云平台包括多个web服务，web服务有助于对针对软件工程任务配置的预训练深度学习模型进行自动调优和部署。自动调优和部署允许开发人员在不访问预先存在且经微调的模型的参数的情况下，以不需要用户管理输入的方式对预先存在的模型进行微调。云平台为每个预训练模型提供文件集，文件集被用于在无需用户输入的情况下自动构建用于对模型进行微调的微调基础结构以及部署了经微调的模型的部署基础结构。