A Survey on Language Models for Code

本文是LLM系列文章，针对《A Survey on Language Models for Code》的翻译。

摘要

在这项工作中，我们系统地回顾了语言模型在代码处理方面的最新进展，涵盖了50多个模型、30多个评估任务、150多个数据集和550项相关工作。我们将代码处理模型分解为以GPT家族为代表的通用语言模型和专门针对代码进行预训练的专用模型，通常具有定制的目标。我们讨论了这些模型之间的关系和差异，并强调了代码建模从统计模型和RNN到预训练的Transformers和LLM的历史转变，这与NLP所走的路线完全相同。我们还讨论了代码特定的功能，如AST、CFG和单元测试，以及它们在训练代码语言模型中的应用，并确定了该领域的关键挑战和潜在的未来方向。我们在github存储库上保持调查的开放和更新https://github.com/codefuse-ai/Awesome-Code-LLM。

1 引言

2 背景

3 代码语言模型的评估

4 代码的通用语言模型

5 代码的专用语言模型

6 语言模型的代码特性