【LLM4Code】代码优化的语言模型：综述、挑战与未来方向

文章预览

语言模型（LM）基于深度神经网络（DNN）的构建，最近在软件工程任务中，如代码生成、代码补全和代码修复，表现出了突破性的效果。这为基于语言模型的代码优化技术的出现铺平了道路，这些技术对于提升现有程序的性能，特别是加速程序执行时间，具有重要意义。然而，专门针对这一特定应用的全面综述尚缺乏。 为了解决这一空白，我们进行了一项系统的文献综述，分析了超过50篇核心研究，识别出新兴趋势并回答了11个专业性问题 。结果揭示了五个关键的开放性挑战，例如平衡模型复杂性与实际可用性、提升模型的普适性以及建立对人工智能驱动解决方案的信任。此外，我们提供了八个未来的研究方向，以促进更高效、稳健和可靠的基于语言模型的代码优化。因此，本研究旨在为快速发展的这一领域的研究人员和从业人员提供可操作的见 ………………………………