paperbot · PL 论文追踪

全部论文 待读 收藏

P1 Learning to Edit Interactive Machine Learning Notebooks

学习编辑交互式机器学习 Notebook
FSE Proceedings of the 33rd ACM International Conference on the Foundations of Software Engineering2025匹配度 5/10 · 论文处于 ML×PL 交叉（面向 Notebook 的开发者工具与编辑任务），且属于用户偏好的“在缺乏 benchmark 的重要场景下设计 benchmark”这一类工作，与画像有一定共鸣；但其核心并非静态分析、Agentic 程序分析、浮点或贝叶斯程序分析，也看不出 LLM/形式化方法的技术纵深，与正在追的具体问题距离较远。引用 0 inbox
Bihui Jin, Jiayue Wang, Pengyu Nie
机器学习与程序语言编程环境与开发者工具
crossref: 2026-09-12

AI 速览

一句话：指出现有工作缺乏面向交互式机器学习 Notebook 开发者编辑的基准。

机器学习开发者常使用 Jupyter 等交互式计算 Notebook 承载数据处理与模型训练代码。Notebook 便于编写 ML 流水线并交互式观察输出，但由于 ML 流水线代码冗长复杂，维护 Notebook（例如增加新功能或修复缺陷）颇具挑战。然而，现有工作缺少与 Notebook 上开发者编辑相关的基准。该论文以该问题为出发点；从标题看，其关注学习如何编辑交互式 ML Notebook，但所提供的摘要未给出具体方法、数据集构造与评估结果的细节。

问题
Jupyter 等交互式 Notebook 中 ML 流水线代码冗长复杂，维护（新增功能或修复缺陷）困难，且缺乏针对 Notebook 开发者编辑的基准。
方法
摘要未提供具体方法细节；仅从标题可知工作聚焦于“学习编辑”交互式机器学习 Notebook 这一方向。
评估
摘要未报告评估方式、实验设计与结果。
原文摘要（Abstract）

Machine learning (ML) developers frequently use interactive computational notebooks, such as Jupyter notebooks, to host code for data processing and model training. Notebooks provide a convenient tool for writing ML pipelines and interactively observing outputs. However, maintaining notebooks, e.g., to add new features or fix bugs, can be challenging due to the length and complexity of the ML pipeline code. Moreover, there is no existing benchmark related to developer edits on notebooks.

链接与引用

DOI 原文 · PDF（开放获取） ·

BibTeX 
@inproceedings{paperbot9006,
  title = {Learning to Edit Interactive Machine Learning Notebooks},
  author = {Bihui Jin and Jiayue Wang and Pengyu Nie},
  booktitle = {FSE},
  year = {2025},
  doi = {10.1145/3696630.3728523}
}