Leveraging Reviewer Experience in Code Review Comment Generation
Notice bibliographique
Résumé
Leveraging Reviewer Experience in Code Review Comment Generation (Replication Package) This is the replication package for journal paper "Leveraging Reviewer Experience in Code Review Comment Generation". Authors Hong Yi Lin (University of Melbourne) Patanamon Thongtanunam (University of Melbourne) Christoph Treude (Singapore Management University) Michael Godfrey (University of Waterloo) Chunhua Liu (University of Melbourne) Wachiraphan Charoenwet (University of Melbourne) List of Contents Manual_Evaluation Accuracy annotations Informativeness annotations Comment category annotations Manual annotation guidelines 100 random samples ELF_AVG Model checkpoints for ELF_AVG strategy (Repository, Subsystem, Package) ELF_ACO Model checkpoints for ELF_ACO strategy (Repository, Subsystem, Package) ELF_MAX Model checkpoints for ELF_MAX strategy (Repository, Subsystem, Package) ELF_RSO Model checkpoints for ELF_RSO strategy (Repository, Subsystem, Package) Oversampling Model checkpoints for Experience-Aware Oversampling (Repository) CodeReviewer Model checkpoints for the original CodeReviewer (Fine-tuned on our dataset) Predictions All model generated predictions for test set Repository_History Pull request and commit histories for all repositories in training, validation and test set Code_Review_Dataset_Tagged Cleaned training, validation and test set including tagged ownership ratios Top10_B4_Delta Top 10 generations for each ELF model vs CodeReviewer in terms of BLEU-4 ELF_Code Fine-tuning and testing scripts for ELF (Adapted from CodeReviewer) Preliminary_Analysis Annotations of real code reviews provided by both experienced and inexperienced reviewers in the training set. 89 samples for each reviewer type
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».