Використання методів машинного навчання для автоматизації перегляду коду програм

Abstract

У роботі досліджено застосування методів машинного навчання для покращення процесу перегляду програмного коду, що є важливою складовою забезпечення його якості. Проведено аналіз понад 30 наукових праць з різних країн, присвячених використанню класичних алгоритмів, ансамблевих моделей, нейронних мереж і генеративного ШІ для автоматизації виявлення помилок у коді. Основну увагу зосереджено на проблемах пояснюваності моделей, доступності якісних даних і контекстної чутливості алгоритмів. В межах дослідження авторами створено експериментальну нейромережу для класифікації якості назв змінних у коді на основі локального набору даних, зібраного під час роботи над конкретним проєктом. Модель навчалася з учителем на основі позначених вручну змінних і демонструє потенціал у виявленні дефектів іменування. Проведено аналіз ефективності залежно від архітектури та параметрів мережі. Отримані результати свідчать про перспективність автоматизованого підходу та окреслюють напрями подальших досліджень, зокрема покращення наборів даних та експериментування з новими нейромережевими рішеннями.