探索和释放大型语言模型在自动代码翻译中的潜力
原文中文，约400字，阅读约需1分钟。发表于：。LLMs 和基于学习的转译器在自动代码转换任务中取得了显著的性能提升，但当前仍存在一些准确性问题和资源限制。本研究发现，大部分失败源于对源程序的理解不足、在转换中缺少清晰的 I/O 类型指令以及源程序与目标程序之间的差异被忽略。鉴于以上研究结果，我们提出了 UniTrans，一个适用于多种 LLMs...
本研究提出了UniTrans，一个适用于多种LLMs的统一代码转换框架，通过生成测试用例、自动增强转换并验证正确性的执行过程，修复转换错误。在Python、Java和C++之间的六个转换数据集上进行了实验，三个最近的LLMs通过UniTrans实现了大幅度的改进。
