Style2Code: 一种具有双模态对比学习的可控制代码生成框架
Style2Code: A Style-Controllable Code Generation Framework with Dual-Modal Contrastive Representation Learning
AI总结：
Style2Code通过双模态对比学习和条件解码实现风格可控的代码生成，提升风格控制的同时保持代码正确性。
摘要：
可控代码生成，即在保持功能的前提下合成符合指定风格的代码，仍是一个具有挑战性的任务。我们提出了一种结合对比学习和条件解码的两阶段训练框架，以实现灵活的风格控制。第一阶段将代码风格表示与语义和结构特征对齐。第二阶段，我们微调语言模型（例如Flan-T5）以学习的风格向量为条件，以引导生成。我们的方法通过轻量级混合支持风格插值和用户个性化。与先前工作相比，我们的统一框架在不牺牲代码正确性的情况下提供了改进的风格控制。这是首次将对比对齐与条件解码结合用于风格引导代码生成的方法。
英文摘要：
Controllable code generation, the ability to synthesize code that follows a specified style while maintaining functionality, remains a challenging task. We propose a two-stage training framework combining contrastive learning and conditional decoding to enable flexible style control. The first stage aligns code style representations with semantic and structural features. In the second stage, we fine-tune a language model (e.g., Flan-T5) conditioned on the learned style vector to guide generation. Our method supports style interpolation and user personalization via lightweight mixing. Compared to prior work, our unified framework offers improved stylistic control without sacrificing code correctness. This is among the first approaches to combine contrastive alignment with conditional decoding for style-guided code generation.
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。
