公开(公告)号：CN120010853A

公开(公告)日：2025-05-16

申请号：CN202510077737.1

申请日：2025-01-17

Applicant: 大连理工大学 ,  信华信技术股份有限公司

Inventor： 江贺 ,  林浩 ,  马依帆 ,  王羽夫 ,  周志德 ,  任志磊 ,  孙伟宏 ,  徐禹尧 ,  白亮 ,  王婷婷 ,  吕鹏

IPC: G06F8/41 ,  G06F8/30

Abstract: 本发明属于智能软件工程的数据增强方法领域，涉及一种基于单向翻译与有效性自验证的等价代码数据增强方法。首先获取待数据增强项目内容，提取出所含各个函数，依次利用大语言模型进行功能需求单向翻译，获取自然语言描述；进而填充提示模板，输入大语言模型生成候选代码。为了确保被增强数据的语法有效性，使用静态语法分析工具检验候选代码；为了确保语义等价性，从断言知识增强与焦点方法‑测试用例关系学习角度依次预训练Func2Test模型并进行微调，为每个候选代码生成m个测试用例用于测试，最终仅保留通过率最高的候选代码作为新生成代码。最后对原始代码和新生成代码进行mixup处理，获得最终增强结果，即混合数据集Dmix。

公开(公告)号：CN120010852A

公开(公告)日：2025-05-16

申请号：CN202510077454.7

申请日：2025-01-17

Applicant: 大连理工大学 ,  信华信技术股份有限公司

Inventor： 江贺 ,  马依帆 ,  林浩 ,  王羽夫 ,  周志德 ,  任志磊 ,  孙伟宏 ,  徐禹尧 ,  白亮 ,  王婷婷 ,  吕鹏

IPC: G06F8/41 ,  G06F8/72

Abstract: 本发明属于智能软件工程的数据增强方法领域，尤其涉及一种基于AST抽象语法树同义替换的代码大模型等价数据增强方法。首先进行数据筛选和静态语法分析检查，之后通过AST抽象语法树提取其代码所含变量名、函数名、类名建立词库进行筛选，在此基础上采用四种等价替换方法进行数据增强，最终将其与原始数据合并，获得最后的增强代码数据集。本发明可用于自动增强代码大模型训练语料，以微调提升大语言模型在垂直领域的性能。

公开(公告)号：CN120010854A

公开(公告)日：2025-05-16

申请号：CN202510078021.3

申请日：2025-01-17

Applicant: 大连理工大学 ,  信华信技术股份有限公司

Inventor： 江贺 ,  王羽夫 ,  林浩 ,  马依帆 ,  周志德 ,  任志磊 ,  孙伟宏 ,  徐禹尧 ,  白亮 ,  王婷婷 ,  吕鹏

IPC: G06F8/41 ,  G06F18/22 ,  G06N3/0455

Abstract: 本发明属于软件工程领域，尤其涉及一种基于树指令大语言模型的代码翻译方法，可用于将源编程语言转换为目标编程语言。本发明通过从线性化AST中提取关键的树结构信息，并训练了一个相似度模型使树结构与代码结构对齐，从而构造更精确的指令数据集，增加了大语言模型对AST结构的理解能力；通过与大语言模型相结合，大大减少了人力干预，极大降低了代码翻译的成本；通过增加额外的功能评估方案，提升了了翻译结果对用户结果的友好度；此外，本发明方法还具有高度可扩展性，可以很容易地切换使用不同的大语言模型，有利于改善用户体验，降低使用所需的专业技能门槛。