CTC教育サービスはコラム「グーグルのクラウドを支えるテクノロジー ＞ 第170回 大規模言語モデルによるコードレビュー支援の適用事例（パート1）」を公開しました。
＃＃＃
はじめに
今回からは、2024年に公開された論文「Resolving Code Review Comments with Machine Learning」に基づいて、大規模言語モデルをコードレビュー支援に適用したGoogle社内の事例を紹介します。大規模言語モデルをソフトウェア開発に利用するさまざまなユースケースが議論されていますが、Google社内では、コードレビューのプロセスに大規模言語モデルによる支援を組み込んでいることがこの論文で報告されています。今回は、このユースケースの概要を紹介します。
Google社内でのコードレビュープロセス
はじめに、Google社内でのコードレビューのプロセスを簡単に説明しておきます。まず、第20回の 記事で紹介したように、Google社内では、すべてのプロジェクトのソースコードが単一のリポジトリにまとめて保存されています。それぞれの開発者は、自身の開発用ワークステーションにこのリポジトリのクローン（論理コピー）を作成して、そこでコードの追加・変更作業を行います。その後、特定の目的のために追加・変更したファイル一式をまとめたCL（Change List）を作成して、これに対してコードレビューを実施します。CLは、GitHubにおけるPull Requestに相当するものと考えるとよいでしょう。
この続きは以下をご覧ください
(リンク »)
はじめに
今回からは、2024年に公開された論文「Resolving Code Review Comments with Machine Learning」に基づいて、大規模言語モデルをコードレビュー支援に適用したGoogle社内の事例を紹介します。大規模言語モデルをソフトウェア開発に利用するさまざまなユースケースが議論されていますが、Google社内では、コードレビューのプロセスに大規模言語モデルによる支援を組み込んでいることがこの論文で報告されています。今回は、このユースケースの概要を紹介します。
Google社内でのコードレビュープロセス
はじめに、Google社内でのコードレビューのプロセスを簡単に説明しておきます。まず、第20回の 記事で紹介したように、Google社内では、すべてのプロジェクトのソースコードが単一のリポジトリにまとめて保存されています。それぞれの開発者は、自身の開発用ワークステーションにこのリポジトリのクローン（論理コピー）を作成して、そこでコードの追加・変更作業を行います。その後、特定の目的のために追加・変更したファイル一式をまとめたCL（Change List）を作成して、これに対してコードレビューを実施します。CLは、GitHubにおけるPull Requestに相当するものと考えるとよいでしょう。
この続きは以下をご覧ください
(リンク »)
本プレスリリースは発表元企業よりご投稿いただいた情報を掲載しております。
お問い合わせにつきましては発表元企業までお願いいたします。
お問い合わせにつきましては発表元企業までお願いいたします。
