Una Rassegna sui Modelli Linguistici per il Codice

A Survey on Language Models for Code

November 14, 2023

Autori: Ziyin Zhang, Chaoyu Chen, Bingchang Liu, Cong Liao, Zi Gong, Hang Yu, Jianguo Li, Rui Wang

cs.AI

Abstract

In questo lavoro esaminiamo sistematicamente i recenti progressi nell'elaborazione del codice con modelli linguistici, coprendo oltre 50 modelli, più di 30 task di valutazione e 500 lavori correlati. Suddividiamo i modelli di elaborazione del codice in modelli linguistici generali rappresentati dalla famiglia GPT e modelli specializzati che sono specificamente preaddestrati sul codice, spesso con obiettivi personalizzati. Discutiamo le relazioni e le differenze tra questi modelli e evidenziamo la transizione storica della modellazione del codice dai modelli statistici e dalle RNN ai Transformer preaddestrati e ai LLM, un percorso esattamente parallelo a quello intrapreso dal NLP. Analizziamo inoltre caratteristiche specifiche del codice come AST, CFG e test unitari, insieme al loro utilizzo nell'addestramento di modelli linguistici per il codice, e identifichiamo le principali sfide e le potenziali direzioni future in questo ambito. Manteniamo il survey aperto e aggiornato sul repository GitHub all'indirizzo https://github.com/codefuse-ai/Awesome-Code-LLM.

English

In this work we systematically review the recent advancements in code processing with language models, covering 50+ models, 30+ evaluation tasks, and 500 related works. We break down code processing models into general language models represented by the GPT family and specialized models that are specifically pretrained on code, often with tailored objectives. We discuss the relations and differences between these models, and highlight the historical transition of code modeling from statistical models and RNNs to pretrained Transformers and LLMs, which is exactly the same course that had been taken by NLP. We also discuss code-specific features such as AST, CFG, and unit tests, along with their application in training code language models, and identify key challenges and potential future directions in this domain. We keep the survey open and updated on github repository at https://github.com/codefuse-ai/Awesome-Code-LLM.