paperbot · PL 论文追踪

全部论文 待读 收藏

P2 An Empirical Study on Learning-based Techniques for Explicit and Implicit Commit Messages Generation

面向显式与隐式提交信息生成的学习型技术实证研究
ASE Proceedings of the 39th IEEE/ACM International Conference on Automated Software Engineering2024匹配度 2/10 · 该论文研究基于机器学习的提交信息生成，属于软件工程与开发者工具方向，与用户核心关注的静态分析、浮点程序分析、贝叶斯程序分析以及 LLM/Agent 与 PL 的交叉均无直接关系；仅因涉及机器学习与程序语言而有很弱的关联。引用 2 inbox
Zhiquan Huang, Yuan Huang, Xiangping Chen, Xiaocong Zhou, Changlin Yang, Zibin Zheng
编程环境与开发者工具机器学习与程序语言
crossref: 2026-09-12

AI 速览

一句话：系统实证比较学习型方法在显式与隐式提交信息生成任务上的表现与适用性。

高质量的提交信息有助于开发者快速理解并追踪代码演化，对软件协作开发与维护至关重要。为减轻开发者撰写提交信息的负担，研究者提出了多种自动生成提交信息的技术，其中基于学习的技术被认为颇具前景。本文针对显式提交信息与隐式提交信息生成，对现有学习型技术开展实证研究，系统考察这些方法在两类生成场景中的表现、适用性与影响因素。该工作旨在为 commit message 自动生成技术的理解、选择与后续改进提供经验依据。

问题
如何自动生成高质量提交信息以减轻开发者负担，并厘清学习型技术在显式与隐式两类提交信息生成场景中的适用性。
方法
对现有基于学习的 commit message 生成技术进行实证研究，覆盖显式与隐式提交信息生成。
评估
通过实证分析比较学习型技术在两类场景下的表现与影响因素；给出的摘要未报告具体实验指标或结论。
原文摘要（Abstract）

High-quality and appropriate commit messages help developers to quickly understand and track code evolution, which is crucial for the collaborative development and maintenance of software. To relieve developers of the burden of writing commit messages, researchers have proposed various techniques to generate commit messages automatically, among which learning-based techniques have proven to be promising.

链接与引用

DOI 原文 ·

BibTeX 
@inproceedings{paperbot8408,
  title = {An Empirical Study on Learning-based Techniques for Explicit and Implicit Commit Messages Generation},
  author = {Zhiquan Huang and Yuan Huang and Xiangping Chen and Xiaocong Zhou and Changlin Yang and Zibin Zheng},
  booktitle = {ASE},
  year = {2024},
  doi = {10.1145/3691620.3695025}
}