层次上下文剪枝：通过仓库级预训练代码语言模型优化实际代码补全
原文中文，约400字，阅读约需1分钟。发表于：。维护文件之间的拓扑依赖性和增加代码文件内容可提高完成准确性，修剪所有相关文件中函数的特定实现并不会显著降低完成准确性。基于这些发现，我们提出了一种名为 Hierarchical Context Pruning (HCP) 的策略，以高信息代码内容构建完成提示，该策略在函数级别模拟代码存储库，减少了用于代码完成的输入长度。实验结果表明，我们的方法可以显著提高完成准确性，并大大减少输入长度。
DraCo是一种用于仓库级别代码自动补全的数据流引导检索增强方法。通过数据流分析和建立代码实体之间的关系，形成仓库特定的上下文图。实验证明DraCo在精确匹配代码和标识符方面的准确性和适用性较先进方法平均提高了3.43%和3.27%。
