ترجمه فارسی مقاله تولید خودکار توضیحات درخواست Pull با استفاده از LLMها: رویکردی از مدل T5

چکیده

Developers create pull request (PR) descriptions to provide an overview of their changes and explain the motivations behind them. These descriptions help reviewers and fellow developers quickly understand the updates. Despite their importance, some developers omit these descriptions. To tackle this problem, we propose an automated method for generating PR descriptions based on commit messages and source code comments. This method frames the task as a text summarization problem, for which we utilized the T5 text-to-text transfer model. We fine-tuned a pre-trained T5 model using a dataset containing 33,466 PRs. The model’s effectiveness was assessed using ROUGE metrics, which are recognized for their strong alignment with human evaluations. Our findings reveal that the T5 model significantly outperforms LexRank, which served as our baseline for comparison.

چکیده به فارسی (ترجمه ماشینی)

توسعه دهندگان توضیحات درخواست PULL (PR) را ایجاد می کنند تا مروری بر تغییرات خود ارائه دهند و انگیزه های موجود در آنها را توضیح دهند.این توضیحات به داوران و توسعه دهندگان دیگر کمک می کند تا به سرعت به روزرسانی ها را درک کنند.علیرغم اهمیت آنها ، برخی از توسعه دهندگان این توصیفات را حذف می کنند.برای مقابله با این مشکل ، ما یک روش خودکار برای تولید توضیحات روابط عمومی بر اساس پیام های تعهد و نظرات کد منبع پیشنهاد می کنیم.این روش کار را به عنوان یک مشکل خلاصه متن تنظیم می کند ، که برای آن از مدل انتقال متن به متن T5 استفاده کردیم.ما با استفاده از یک مجموعه داده حاوی 33،466 PR ، یک مدل T5 از پیش آموزش داده شده را تنظیم کردیم.اثربخشی این مدل با استفاده از معیارهای روژ ، که به دلیل تراز قوی آنها با ارزیابی های انسانی شناخته می شوند ، ارزیابی شد.یافته های ما نشان می دهد که مدل T5 به طور قابل توجهی از Lexrank بهتر است ، که به عنوان پایه ما برای مقایسه عمل می کند.