谷歌通过 ML 增强完成来解决代码复杂性

谷歌描述了研究人员如何将机器学习与语义引擎相结合来创建基于 Transformer 的混合语义代码完成。 软件工程生产力正受到日益复杂的代码的挑战。 代码完成工具一直是降低集成开发环境中这种复杂性的关键工具。 智能代码完成，在某些编程环境中也称为上下文感知代码填充，可通过减少拼写错误来加快编码过程。

Google AI 的最新研究解释了研究人员如何将机器学习与语义引擎 SE 相结合，以创建基于转换器的混合语义代码补全。 谷歌 AI 研究人员通过结合 ML 和 SE，创建了一种革命性的基于 Transformer 的混合语义代码补全。 该模型现在可供 Google 内部工程师使用。 研究人员将 ML 和 SE 集成的方法是使用 ML 对 SE 单标记建议进行重新排序，并使用 ML 应用单行和多行补全。 然后使用 SE 验证结果。

为了预测代码完成和理解代码，经常使用转换器模型。 这些模型使用一种语言理解机制，该机制使用自注意力来帮助它们。 谷歌还建议使用 ML 生成单标记语义建议，用于单行和多行的延续。 超过 10,000 名谷歌员工在三个月的时间里用八种编程语言测试了该模型。

来源和详细信息：
https://www.analyticsinsight.net/google-is-here-to-counter-code-complexities-through-ml-enhanced-completion/