-
公开(公告)号：CN119127155A
公开(公告)日：2024-12-13
申请号：CN202411271194.9
申请日：2024-09-11
Applicant: 重庆大学
Abstract: 本发明公开了一种面向复杂编程场景的智能编程模型优化方法，该方法包括可视化交互界面，任务处理器，子组件管理器和模型库；任务处理器包括需求识别模块、任务分解模块、组件编排模块；子组件管理器包括用于生成补全代码的代码生成补全组件、用于解释代码功能作用及详情信息的代码摘要解释组件、用于生成单元测试代码及测试用例的测试用例生成组件、用于进行漏洞检测定位并生成对应解决方案的代码漏洞检测组件、用于检查代码质量问题和不良编程习惯并生成优化建议的代码质量检测组件。本发明能够有效提高在复杂编程场景下解决问题的成功率、能够更好地分配计算资源提高智能编程模型效率、能够提高智能编程模型的扩展性和可维护性。
-
Patent Agency Ranking
公开(公告)号：CN118332082A
公开(公告)日：2024-07-12
申请号：CN202410429022.3
申请日：2024-04-10
Applicant: 重庆大学
IPC: G06F16/332 , G06F16/33 , G06F16/31 , G06F40/30 , G06F40/284 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于对比学习技术的代码摘要增强代码搜索方法，包括如下步骤：获取代码搜索数据集；通过微调后的代码总结模型对所有代码字段生成代码注释，存储为注释字段；采用对比学习技术基于代码搜索数据集中的训练数据微调embedding模型；使用微调后的embedding模型生成注释特征向量；初始化faiss向量数据库并且将生成的注释特征向量存储到faiss本地向量数据库，构建注释字段到代码片段的映射；使用微调后的embedding模型生成查询特征向量；计算查询特征向量与所有注释特征向量的余弦相似度，应用MMR算法重排序得到注释答案列表，将注释通过faiss数据库映射为推荐代码片段列表。
-
公开(公告)号：CN118863009A
公开(公告)日：2024-10-29
申请号：CN202410966801.7
申请日：2024-07-18
Applicant: 重庆大学
Abstract: 本发明公开了一种基于自适应知识蒸馏的代码生成模型训练方法，该方法包括获取并格式化训练数据集，输入模板至生成器模型以产生预测结果，随后对学生模型和教师模型的输出结果进行软化处理，利用Softmax函数结合温度参数T获取概率分布。通过归一化处理得到归一化逻辑值，结合反向和正向KL散度，计算出自适应知识蒸馏损失函数，使用dam优化算法更新学生模型参数，并在每次参数更新后进行前向传递，评估模型的预测输出和损失值，确保训练的收敛性和稳定性。本发明还提供了详细的计算公式和模板内容，确保了方法的可实施性和有效性。通过本方法，可以显著提升模型在资源受限设备上的性能，同时保持高效的本地部署能力。
-
公开(公告)号：CN119621879A
公开(公告)日：2025-03-14
申请号：CN202411699521.0
申请日：2024-11-26
Applicant: 重庆大学
IPC: G06F16/332 , G06F16/334 , G06F16/34 , G06F16/35 , G06F8/41
Abstract: 本发明公开了一种开源项目的可视化检索方法，包括提取开源项目的关键信息、解析依赖关系以提取依赖项信息、分类README文件、提取功能性图像及可用性指标，以及训练BERTopic模型以提取主题信息。建立索引，通过主题信息进行层次化主题建模，并结合语义顺序对项目进行检索和筛选；通过解析源代码文件提取文件名、函数名等关键标识符，并统计其出现频率；基于项目的相关性和相似性，生成扩展的项目推荐列表；检索结果通过可视化技术进行多维度展示。该可视化过程采用多种视角对数据进行展示，并通过交互式操作界面实现用户与搜索结果的动态交互，以支持用户对检索结果的深入探索和分析。
-
公开(公告)号：CN118151943B
公开(公告)日：2024-09-03
申请号：CN202410276868.8
申请日：2024-03-12
Applicant: 重庆大学
Abstract: 本发明公开了一种基于代码规范化的代码生成优化方法，从而完成对大型语言模型生成的原代码的准确率提升。包括如下步骤：将用户对问题的文字描述输入现有工具生成原代码C0；根据先验知识对Python标准库中的模块以及其中的函数构建简单数据库D；规范化C0中的缩进得到C1；滤除C1中可能出现的“__main__块”和print、input、assert语句得到C2；对C2进行测试，获取测试结果T1，当测试不通过时，修复SyntaxError得到C3；对C3进行测试，获取测试结果T2，当测试不通过时，修复NameError得到C4；对C4进行测试，获取测试结果T3，当测试不通过时，通过逐步删除代码末端的函数尽可能地修复其余错误得到C5；最终向开发者输出代码C5或先前通过测试的代码作为原代码C0经过全部代码规范化流程后的最终优化结果。
-
公开(公告)号：CN118151943A
公开(公告)日：2024-06-07
申请号：CN202410276868.8
申请日：2024-03-12
Applicant: 重庆大学
Abstract: 本发明公开了一种基于代码规范化的代码生成优化方法，从而完成对大型语言模型生成的原代码的准确率提升。包括如下步骤：将用户对问题的文字描述输入现有工具生成原代码C0；根据先验知识对Python标准库中的模块以及其中的函数构建简单数据库D；规范化C0中的缩进得到C1；滤除C1中可能出现的“__main__块”和print、input、assert语句得到C2；对C2进行测试，获取测试结果T1，当测试不通过时，修复SyntaxError得到C3；对C3进行测试，获取测试结果T2，当测试不通过时，修复NameError得到C4；对C4进行测试，获取测试结果T3，当测试不通过时，通过逐步删除代码末端的函数尽可能地修复其余错误得到C5；最终向开发者输出代码C5或先前通过测试的代码作为原代码C0经过全部代码规范化流程后的最终优化结果。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
