|不再重复造轮子，AI 给你推荐更好的代码，还没bug( 二 )
将代码的结构与CASS集成在一起后 ， 算法就会根据代码要执行的工作计算相似性分数 。 即使两段代码表面上不同 ， 如果执行相同的功能 ， 模型就会将它们评估为相似 。
CASS可以配置特定的上下文 ， 从而能够捕获描述代码的更高级别信息 。 而且CASS可以在不使用编译器的情况下对代码进行评级（编译器将人类可读的源代码转换为计算机可执行的机器代码） ， 甚至可以对不完整的代码片段进行评估 。
MISIM-GNN的架构如下图所示 。 对于这种方法 ， 输入代码的CASS表征被转换为图 。 然后 ， 将图中的每个节点嵌入一个可训练的向量 ， 作为该节点的初始状态 。 接下来 ， 使用GNN迭代更新每个节点的状态 。 最后 ， 应用全局读取函数从节点的最终状态提取整个图的向量表征 。
本文插图
MISIM-GNN 架构
2
不再重复造轮子
研究人员仍然在扩展MISIM的特征集 ， 目的是创建一个代码推荐引擎 ， 它能够识别算法背后的意图 ， 并提供语义上相似但性能有所提高的候选代码 。 系统可以指示程序员使用库函数 ， 而不用再重复造轮子 。
像MISIM这样的以AI为动力的代码建议和审查工具有望大幅削减开发成本 ， 同时使编码人员能够专注于更具创造性、减少重复性的任务 。
英特尔实验室首席科学家兼机器编程研究总监Justin Gottschlich表示：“如果该系统能取得成功 ， 我们的最终目标之一就是实现全民编程 。 ”
或许有一天 ， 代码相似性检测可以扩展到自然语言中 ， 到时候要实现全民编程 ， 就不再是难事 。
3 相关论文
本文插图
论文地址：https://arxiv.org/pdf/2006.05265.pdf
本文插图
代码相似检测系统的准确率比较 ， 结果是运行3次的平均值和相对于平均值的最小/最大值 。
本文插图
code2vec、NCC、Aroma、MISIM在POJ-104测试集上的准确率结果 。 条形高度表示运行3次测量值的平均值 ， 误差条由测量值的最小值和最大值确定 。
参考资料：
https://venturebeat.com/2020/07/29/intel-researchers-create-ai-system-that-rates-similarity-of-two-pieces-of-code/
https://www.theregister.com/2020/07/31/intel_wants_to_build_an/
本文插图
【|不再重复造轮子，AI 给你推荐更好的代码，还没bug】更多交流
推荐阅读
- |光环不再！阿里撕了P级标签，以后英雄莫问“P几”
- 直播|抖音直播间第三方销量数据全线归0不再更新
- |谷歌开源NLP模型可视化工具LIT，模型训练不再「黑箱」
- 智通财经网|抖音：10月9日起不再支持第三方商品直播带货，短视频带货不受影响
- |三年之期已到！27英寸显示器不再隐忍，闯入千元内要争夺性价比
- 直播|抖音：10月9日起不再支持第三方商品直播带货
- 海信|期间费用率走高，增收不增利！老牌白电巨头海信家电风光不再？
- 实验室|科学家不再“高冷” 直播间带你做实验 北下关科学实验室精彩纷呈
- 科学|科学家不再“高冷” 直播间带你做实验 北下关科学实验室精彩纷呈
- 李阳|“疯狂英语”李阳不再疯狂