CodeCSE：一种用于代码与注释句子嵌入的简单多语言模型
CodeCSE: A Simple Multilingual Model for Code and Comment Sentence Embeddings
AI总结：
针对现有文献缺乏开箱即用的代码函数嵌入模型的问题，本文提出对比学习模型CodeCSE，可在同一空间学习函数及其描述的嵌入，其多语言零样本效果媲美针对特定语言从GraphCodeBERT微调的模型，且已开源。
摘要：
用于代码词元嵌入的预训练语言模型被应用于代码搜索、代码克隆检测及其他代码相关任务。同理，代码函数嵌入在此类任务中也很有用。然而，当前文献中尚无开箱即用的函数嵌入模型。因此，本文提出CodeCSE——一种对比学习模型，可在同一空间中学习函数及其描述的嵌入。我们通过代码搜索任务评估了CodeCSE。CodeCSE的多语言零样本方法与从GraphCodeBERT针对特定语言微调得到的模型效率相当。CodeCSE在https://github.com/emu-se/codecse开源，预训练模型可在HuggingFace公共中心获取：https://huggingface.co/sjiang1/codecse
英文摘要：
Pretrained language models for code token embeddings are used in code search, code clone detection, and other code-related tasks. Similarly, code function embeddings are useful in such tasks. However, there are no out-of-box models for function embeddings in the current literature. So, this paper proposes CodeCSE, a contrastive learning model that learns embeddings for functions and their descriptions in one space. We evaluated CodeCSE using code search. CodeCSE's multi-lingual zero-shot approach is as efficient as the models finetuned from GraphCodeBERT for specific languages. CodeCSE is open source at https://github.com/emu-se/codecse and the pretrained model is available at the HuggingFace public hub: https://huggingface.co/sjiang1/codecse
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
