| Tweet | |
| 數﨑, 柗本, 楠本, 安田, 伊藤, 代, "LLMを用いたソースコード改変タスクにおけるFine-Tuningの実験的調査に向けて," 電子情報通信学会技術研究報告, 125(288), pp. 001-006, 2025年12月. | |
| ID | 877 |
| 分類 | 研究会・全国大会等 |
| タグ | |
| 表題 (title) |
LLMを用いたソースコード改変タスクにおけるFine-Tuningの実験的調査に向けて |
| 表題 (英文) |
|
| 著者名 (author) |
數﨑 大樹,柗本 真佑,楠本 真二,安田 和矢,伊藤 信治,代 吉楠 |
| 英文著者名 (author) |
|
| 編者名 (editor) |
|
| 編者名 (英文) |
|
| キー (key) |
|
| 書籍・会議録表題 (booktitle) |
電子情報通信学会技術研究報告 |
| 書籍・会議録表題(英文) |
|
| 巻数 (volume) |
125 |
| 号数 (number) |
288 |
| ページ範囲 (pages) |
001-006 |
| 組織名 (organization) |
|
| 出版元 (publisher) |
|
| 出版元 (英文) |
|
| 出版社住所 (address) |
|
| 刊行月 (month) |
12 |
| 出版年 (year) |
2025 |
| 採択率 (acceptance) |
|
| URL |
|
| 付加情報 (note) |
|
| 注釈 (annote) |
|
| 内容梗概 (abstract) |
ソフトウェア開発に関する様々なタスクに対して，大規模言語モデル（LargeLanguageModel;LLM）を用いた支援や自動化が可能となってきた．Fine-Tuning（FT）とは事前学習済みモデルに対して，特定タスクに特化させる再学習手法である．FTの適用により，自然言語やソースコードに対する汎用的な知識を持つ事前学習済みモデルから，特定タスクに特化したモデルを獲得できる．FTの適用においては，再学習のため再学習データセットの構築が欠かせない．しかしながら，ソフトウェア開発タスクにおいてどのような再学習データセットをどの程度用意すべきかは明らかではない．本研究の長期的な目的は，LLMを用いたソフトウェア開発における高精度かつ高効率なFT適用方法の獲得である．本研究会原稿では，ソースコードの改変というタスクに着目し，簡易的な再学習データセットを用いてFT済みモデルと事前学習済みモデルの性能を実験的に比較する． |
| 論文電子ファイル | d-kazusk_202512_sigss.pdf (application/pdf) [一般閲覧可] |
| BiBTeXエントリ |
@inproceedings{id877,
title = {{LLM}を用いたソースコード改変タスクにおける{Fine-Tuning}の実験的調査に向けて},
author = {數﨑 大樹 and 柗本 真佑 and 楠本 真二 and 安田 和矢 and 伊藤 信治 and 代 吉楠},
booktitle = {電子情報通信学会技術研究報告},
volume = {125},
number = {288},
pages = {001-006},
month = {12},
year = {2025},
}
|