Improving Code Search Efficiency and Accuracy with a Cross-Encoder Retriever-Ranker Framework and Ranking-Based Hard Negative Sampling
This paper introduces R2PS, a novel Retriever-Ranker framework with Ranking-based Hard Negative Sampling, to significantly improve the efficiency and accuracy of code search using pre-trained language models.
레거시 코드 현대화를 위한 대규모 언어 모델 활용: LLM 기반 문서화의 기회와 과제, 자동화된 평가 지표의 한계
본 연구는 대규모 언어 모델(LLM)을 사용하여 MUMPS 및 ALC와 같은 레거시 프로그래밍 언어로 작성된 코드에 대한 문서를 자동으로 생성하는 것의 효과를 탐구하고, 자동화된 평가 지표가 인간 전문가의 평가와 일치하지 않는다는 것을 발견했습니다.
Evaluating the Effectiveness of Large Language Models for Generating Documentation for Legacy Code in MUMPS and Assembly Language
While large language models (LLMs) show promise for generating useful documentation for legacy code in languages like MUMPS and Assembly Language, current automated metrics struggle to accurately assess the quality of this documentation, highlighting the need for better evaluation methods.
RVfpga 패키지를 이용한 컴퓨터 아키텍처 교육 경험
RVfpga는 RISC-V ISA 및 FPGA 기술을 사용하여 컴퓨터 아키텍처를 교육하는 데 효과적인 도구이며, 다양한 교육 환경에서 성공적으로 구현되어 학생들에게 실질적인 경험을 제공합니다.
RVfpgaパッケージを用いた計算機アーキテクチャ教育の実践と効果
RVfpgaパッケージは、実践的な演習を通してRISC-VアーキテクチャとSoC設計を学ぶための包括的な教育ツールであり、大学レベルの講義やハッカソン、オンラインコースなど、様々な教育現場での活用事例が増えている。
Teaching Experiences and Curriculum Alignment of the RVfpga Package in Computer Architecture Education
The RVfpga package provides a comprehensive and accessible platform for teaching computer architecture using the RISC-V ISA and FPGA technology, aligning with curriculum guidelines and offering practical experience for students.
The Dynamics of Innovation in Open Source Software Ecosystems: Evidence from Stack Overflow Library Imports
Innovation in maturing open source software ecosystems is driven more by novel combinations of existing libraries than by the creation of new libraries.
관계형 객체 불변성의 자동 추론
객체의 필드 간 관계적 속성을 나타내는 객체 불변성을 자동으로 추론하기 위해 새로운 메모리 모델(RUMM)과 추상 영역(MRUD) 기반의 정적 분석 기술을 제시합니다.
Automatic Inference of Relational Object Invariants for Improved Memory Safety Analysis
This paper presents a novel abstract interpretation-based technique and domain, MRUD, for automatically inferring relational object invariants, significantly improving the precision and scalability of memory safety analysis in programs with complex data structures.
CodeSAM：複数コードビューグラフを用いたセルフアテンションによるソースコード表現学習
CodeSAMは、複数のコードビューグラフから得られる構造情報をセルフアテンション機構に組み込むことで、従来の手法よりも正確で効率的なソースコード表現学習を実現する。
© 2024 by Linnk AI