代码T5和代码T5+

Salesforce Research 针对代码理解和生成的CodeT5和CodeT5+模型的官方研究发布，由以下论文介绍：

标题：CodeT5+：用于代码理解和生成的开放代码大型语言模型

作者：Yue Wang*、Hung Le*、Akhilesh Deepak Gotmare、Nghi DQ Bui、Junnan Li、Steven CH Hoi（*表示同等贡献）

标题：CodeT5：用于代码理解和生成的标识符感知统一预训练编码器-解码器模型

作者：王悦、王伟石、Shafiq Joty、Steven CH Hoi

在实践中，CodeT5和CodeT5+模型可以部署为人工智能驱动的编码助手，以提高软件开发人员的生产力。在 Salesforce，我们使用 CodeT5 作为 VS Code 插件构建了一个 AI 编码助手演示，以提供三种功能：

文本到代码生成：根据自然语言描述生成代码。
代码自动完成：根据给定的目标函数名称完成代码的整个功能。
代码摘要：用自然语言描述生成函数的摘要。

CodeT5 演示

什么是新的：？

2023年5月

CodeT5+论文和模型发布！
纸|代码|型号|博客

2022 年 9 月

我们的CodeRL论文已被 NeurIPS 2022 接受！
纸|代码|博客

2022 年 7 月

我们在 HuggingFace 上发布了两个大型 CodeT5 检查点：Salesforce/codet5-large 和 Salesforce/codet5-large-ntp-py，这是 CodeRL 论文中介绍的。

2021 年 10 月

我们为本文涵盖的所有下游任务发布了微调的检查点。此外，我们还发布了基于 CodeT5 的微调检查点（Salesforce/codet5-base-multi-sum），用于多语言代码摘要。

2021 年 9 月

CodeT5论文被EMNLP 2021接受并模型发布！
纸 |代码|型号|型号卡|博客

引文

如果您发现此代码对您的研究有用，请考虑引用：

 @inproceedings{
    wang2021codet5,
    title={CodeT5: Identifier-aware Unified Pre-trained Encoder-Decoder Models for Code Understanding and Generation}, 
    author={Yue Wang, Weishi Wang, Shafiq Joty, Steven C.H. Hoi},
    booktitle={EMNLP},
    year={2021},
}

@inproceedings{
    le2022coderl,
    title={CodeRL: Mastering Code Generation through Pretrained Models and Deep Reinforcement Learning},
    author={Le, Hung and Wang, Yue and Gotmare, Akhilesh Deepak and Savarese, Silvio and Hoi, Steven C. H.},
    booktitle={NeurIPS},
    year={2022}
}

@article{
    wang2023codet5plus,
    title={CodeT5+: Open Code Large Language Models for Code Understanding and Generation},
    author={Wang, Yue and Le, Hung and Gotmare, Akhilesh Deepak and Bui, Nghi D.Q. and Li, Junnan and Hoi, Steven C. H.},
    journal={arXiv preprint},
    year={2023}
}