UniGenCoder: Merging SEQ2SEQ and SEQ2TREE Paradigms for Unified Code Generation

Deep learning-based code generation has completely transformed the way developers write programs today. Existing approaches to code generation have focused either on the Sequence-to-Sequence paradigm, which generates target code as a sequence of tokens, or the Sequence-to-Tree paradigm, which output...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE/ACM International Conference on Software Engineering: New Ideas and Emerging Technologies Results (Online) s. 71 - 75
Hlavní autoři:	Shao, Liangying, Yan, Yanfu, Poshyvanyk, Denys, Su, Jinsong
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 27.04.2025
Témata:	Code Generation Codes Contrastive learning Decoding Knowledge transfer Merging Multitasking Sequence-to-Sequence Sequence-to-Tree Software engineering Training
ISSN:	2832-7632
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!