DECODE数据集：53.6K条AI代码开发者编辑及LLM推断分析
热点事件持续更新
DECODE数据集：53.6K条AI代码开发者编辑及LLM推断分析
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Jenny T. Liang 等研究者发布 DECODE 数据集，收录来自 1000 多名开发者的 53.6K 次对 AI 生成代码的真实 IDE 内代码编辑，用于分析开发者何时、为何以及如何编辑 AI 代码。 分析显示，开发者对 AI 生成代码的编辑投入较少，且很快放弃 AI 生成的代码；预测代码编辑对前沿模型和微调模型都是难题。前沿模型的编辑最贴近开发者意图，但容易过度编辑并回退开发者的人工修改；微调可提升编辑相似度，但与开发者意图仍有差距。
AI 根据报道生成 · 55 分钟前更新
最新进展10月31日 12:00
开发者如何编辑 AI 生成代码，以及 LLM 能多好地推断这些编辑？来自 53.6K 次开发者编辑的分析报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI开发者如何编辑 AI 生成代码，以及 LLM 能多好地推断这些编辑？来自 53.6K 次开发者编辑的分析
研究者发布 DECODE 数据集，收录来自 1000 多名开发者的 53.6K 次对 AI 生成代码的真实 IDE 内代码编辑，用于分析开发者何时、为何以及如何编辑 AI 代码。结果显示开发者编辑投入少、很快放弃 AI 生成代码；预测代码编辑对前沿模型和微调模型都是难题，前沿模型的编辑最贴近开发者意图但易过度编辑和回退人工修改，微调可提升相似度但仍有差距。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。