Core Concepts
AdaCCD ermöglicht signifikante Verbesserungen bei der Code-Klon-Erkennung in verschiedenen Sprachen ohne annotierte Daten.
Abstract
Code-Klon-Erkennung ist entscheidend in der Softwareentwicklung.
Aktuelle Modelle sind auf einzelne Programmiersprachen beschränkt.
AdaCCD nutzt sprachagnostische Code-Repräsentationen und kontrastive Lernmethoden.
Adaptive Refined Contrastive Learning Framework verbessert die Leistung.
Experimente zeigen signifikante Verbesserungen und vergleichbare Leistung mit überwachtem Feintuning.
AdaCCD ist robust gegenüber Hyperparameter- und Transformationsauswahl.
Stats
AdaCCD erreicht signifikante Verbesserungen gegenüber anderen Baselines.
AdaCCD erzielt vergleichbare Leistungen wie überwachtes Feintuning.
Quotes
"AdaCCD ermöglicht signifikante Verbesserungen bei der Code-Klon-Erkennung in verschiedenen Sprachen ohne annotierte Daten."