Unifying the Perspectives of NLP and Software Engineering: A Survey on Language Models for Code

要約

この作業では、50 を超えるモデル、30 を超える評価タスク、170 を超えるデータセット、および 700 を超える関連作業を対象として、言語モデルを使用したコード処理の最近の進歩を体系的にレビューします。
私たちはコード処理モデルを、GPT ファミリに代表される一般的な言語モデルと、多くの場合目的に合わせてコード上で特別に事前トレーニングされた特殊なモデルに分類します。
これらのモデル間の関係と違いについて説明し、統計モデルと RNN から事前学習済みのトランスフォーマーと LLM へのコード モデリングの歴史的移行に焦点を当てます。これは、NLP が辿った過程とまったく同じです。
また、AST、CFG、単体テストなどのコード固有の機能と、コード言語モデルのトレーニングにおけるそれらのアプリケーションについても説明し、この分野の主要な課題と潜在的な将来の方向性を特定します。
私たちはアンケートを公開し、GitHub (https://github.com/codefuse-ai/Awesome-Code-LLM) で更新し続けます。

要約(オリジナル)

In this work we systematically review the recent advancements in code processing with language models, covering 50+ models, 30+ evaluation tasks, 170+ datasets, and 700+ related works. We break down code processing models into general language models represented by the GPT family and specialized models that are specifically pretrained on code, often with tailored objectives. We discuss the relations and differences between these models, and highlight the historical transition of code modeling from statistical models and RNNs to pretrained Transformers and LLMs, which is exactly the same course that had been taken by NLP. We also discuss code-specific features such as AST, CFG, and unit tests, along with their application in training code language models, and identify key challenges and potential future directions in this domain. We keep the survey open and updated on GitHub at https://github.com/codefuse-ai/Awesome-Code-LLM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google