语言:

• "代码" 缩略图: "待更新" 标签:
• 代码生成
• 代码翻译
• 缺陷修复 许可证: "MIT" 数据集:
• CodeSearchNet
• CodeXGLUE 评估指标:
• 精确匹配(EM)
• 代码BLEU

NatGen预训练模型：通过“自然化”源代码进行生成式预训练 [论文],[代码],[幻灯片].

加载模型方式：

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
tokenizer = AutoTokenizer.from_pretrained("saikatc/NatGen")
model = AutoModelForSeq2SeqLM.from_pretrained("saikatc/NatGen")

引用格式：

@inproceedings{chakraborty2022natgen,
    作者 = {Chakraborty, Saikat and Ahmed, Toufique and Ding, Yangruibo and Devanbu, Premkumar T. and Ray, Baishakhi},
    标题 = {NatGen：通过“自然化”源代码进行生成式预训练},
    年份 = {2022},
    isbn = {9781450394130},
    出版社 = {美国计算机协会},
    地址 = {美国纽约},
    网址 = {https://doi.org/10.1145/3540250.3549162},
    doi = {10.1145/3540250.3549162},
    会议 = {第30届ACM联合欧洲软件工程会议暨软件工程基础研讨会论文集},
    页码 = {18–30},
    总页数 = {13},
    关键词 = {神经网络, 语义保持转换, 源代码转换器, 源代码预训练},
    会议地点 = {新加坡},
    丛书 = {ESEC/FSE 2022}
}