CodeHID：基于分层索引的生成式代码检索框架
_reachsumit · x · 2026-08-26
论文《CodeHID: Learning an Addressable Hierarchical Code Index for Generative Code Retrieval》提出了一种生成式代码检索框架。该方法将代码检索任务从传统的扁平候选匹配重新定义为“从粗到细的语义地址生成”。核心组件包括：
- 伪邻居引导DocID学习：通过多级残差量化和k近邻伪监督构建全局静态分层索引，确保语义相关的代码片段共享前缀。
- 双阶段DocID生成引导：结合训练侧的排序增强（使用困难负样本和排序蒸馏）与推理侧的候选约束和前缀感知解码，可靠导航固定索引。
实验在CoSQA和ProCQA数据集上展示了有效性。
「研究」频道最新
- LLM 如何在生成中途自我修正？揭秘背后的推理与指令机制 — dejanseo · 2026-08-26
- 智利大学出书探讨 Maturana 理论在 AI 领域的现时有效性 — PolarBearby · 2026-08-26
- ECCV 2026 新研究：Face Anything 实现任意序列 4D 人脸重建 — rsasaki0109 · 2026-08-26
- 日企将在 ECCV 2026 共办 FOUND 研讨会聚焦基盘数据 — HirokatuKataoka · 2026-08-26
- Gemini 3.7 Flash 助力复活 CMA-ES 算法解释网站 — doodlestein · 2026-08-26
- 从 PDE 数值模拟到神经模拟器及回归：博士论文 — chaumian · 2026-08-26