华为云与中国信通院等机构合作推出国际上首个代码大模型的标准项目，旨在建立客观公平的评估体系，推动全球对代码大模型的认同和规范化应用。华为云在智能化软件工程领域持续研究，推出了更强大的代码大模型和智能编程助手CodeArts Snap。华为将继续与产业伙伴合作，推进代码大模型的发展。

本文综述仓库级代码补全研究，涵盖RepoFusion、RepoCoder、RepoBench、CoCoMIC、IDECoder等利用代码库上下文、检索增强与跨文件语境提升补全性能的工作，并探讨提示方法与上下文设计的影响。

该文综述代码大模型指令微调进展，涵盖CoDI-Eval基准评估约束遵循、CodeOcean数据集与WaveCoder模型、WizardCoder的Evol-Instruct代码生成、InstructCoder代码编辑、CodeT5+统一预训练、MoTCoder模块化分解提升正确率、RLCF编译器反馈增强可执行性，以及开源指令模型在代码任务中的表现与选样策略。

该文综述多项代码大模型研究：提出跨文件语境框架CoCoMIC以提升补全准确性；发现Llama-2等开源模型能理解新库；研究对话式编程助手、仓库级提示与检索生成方法；指出潜在bug会降低补全性能；提出静态分析引导解码及跨文件多语言基准；并介绍代码翻译模型Codeditor与仓库上下文补全框架RepoFusion。

该文汇总多项代码大模型研究：DeepSeek LLM 67B在代码、数学和推理上超越LLaMA-2 70B，其Chat版优于GPT-3.5；PolyCoder在C语言上胜过Codex；StarCoder等开源模型推动安全发布；此外还涉及代码翻译、程序合成与语义代码搜索等进展。

本文从软件安全角度研究代码大模型，指出其训练数据未经筛选，易传播安全漏洞，并提出SecuCoGen数据集以评估和增强模型安全性。研究发现现有模型常忽视安全问题，漏洞修复能力不足，部分漏洞类型难以应对，相关研究还涉及C程序漏洞自动检测修复、Java漏洞修复、安卓漏洞检测及生成代码的API误用等问题，呼吁改进训练与使用方法，实现更安全可信的模型部署。