按年被提到
20232023 · 4 次2026
安全、隐私与密码学›调试、模糊测试与供应链·arXiv:2303.12570 · cs.CL

RepoCoder: Repository-Level Code Completion Through Iterative Retrieval and Generation

RepoCoder:通过迭代检索与生成实现仓库级代码补全
Fengji Zhang, Bei Chen, Yue Zhang, Jacky Keung, Jin Liu, Daoguang Zan, Yi Mao, Jian-Guang Lou, Weizhu Chen · 2023

检索与生成迭代交替,利用整个代码仓库的信息做代码补全。

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2023-03-25 · 最近 2023-06-03发表于 Conference on Empirical Methods in Natural Language Processing (EMNLP)
3不同的人
3活跃月份
4讨论串
173被引(OpenAlex)

针对仓库级代码补全中有用信息分散在多个文件的难题,提出 RepoCoder 框架:把基于相似度的检索器与预训练代码语言模型放进迭代的“检索—生成”流程,支持不同粒度的补全。论文同时提出 RepoEval 基准,涵盖行级、API 调用和函数体补全。实验显示它在各设置下比文件内补全基线提高超过 10%,并稳定优于普通的检索增强补全。

HN 为什么提它

评论者把它当作“代码检索加 LLM”做仓库级补全的相关研究,并有人引它说明借助仓库级检索,小得多的模型也可能追平 Copilot 的补全表现。

方法难度 3 / 5约 40 分钟经得起时间
读之前最好知道
1代码语言模型(code LLM)
2检索增强生成(RAG)
3代码补全任务与评测
4相似度检索(稀疏/稠密检索)

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用wsxiaoys · 2023-03

“There’re recent works show a potential of beating Copilot’s performance (e.g RepoCoder) with much smaller models (500M vs 10B+).”

引用它:小得多的模型(500M 对 10B+)有望赶超 Copilot 的补全表现
Open Sourcing Cody – Sourcegraph's AI-enabled editor assistant原评论 ↗
引用wsxiaoys · 2023-04

“Related research works include [1]. (Hints: combine code search and LLM).”

列为相关研究:把代码搜索与 LLM 结合
Show HN: Tabby – A Self-Hosted GitHub Copilot原评论 ↗
引用synthiq · 2023-06

“For instance, RepoCoder [2] focuses on repository-level code completion by integrating code generation and retrieval models in an iterative paradigm.”

概述 RepoCoder 把代码生成与检索迭代结合,做仓库级代码补全
CodeCompose: Meta’s AI Coding Assistant原评论 ↗
被提交为 story · 1 次