Copilot Refinement: Addressing Code Smells in Copilot-Generated Python Code

作为最受欢迎的动态语言之一，Python 在存在代码异味时会出现可读性和可维护性下降的问题。近年来，大型语言模型的最新进展引发了人们对于既能生成代码又能进行重构的 AI 工具的兴趣。GitHub Copilot 就是其中一种广受使用的工具。Copilot Chat 是其于 2023 年 9 月发布的交互式工具，旨在促进自然语言编程。然而，人们对于理解 Copilot 生成的 Python 代码中的代码异味以及 Copilot 修复其生成的代码异味的能力给予了有限的关注。为此，我们构建了一个包含 102 个 Copilot 生成的 Python 代码中的代码异味的数据集。我们的目标是首先探索 Copilot 生成的 Python 代码中代码异味的出现情况，然后评估 Copilot 在采用不同提示修复这些代码异味时的有效性。结果显示，在 Copilot 生成的 Python 代码中，10 种 Python 异味中有 8 种可以被检测出来，其中 Multiply-Nested Container 是最常见的一种。对于这些代码异味，Copilot Chat 的最高修复率为 87.1%，表现出修复 Copilot 生成的 Python 代码异味的潜力。此外，提供更详细的提示可以提高 Copilot Chat 在修复这些异味方面的有效性。然而，使用 Copilot Chat 修复这些异味可能会引入新的代码异味。

评估Copilot Chat在修复Copilot生成的Python代码中存在的代码异味方面的有效性

使用Copilot Chat修复Copilot生成的Python代码中存在的代码异味，并评估其修复效果。

论文构建了一个包含102个代码异味的数据集，并发现Copilot Chat能够有效修复这些异味，最高修复率达87.1%。但是使用Copilot Chat修复异味可能会引入新的异味。需要提供更详细的提示来提高修复效果。

最近的相关研究主要集中在使用大型语言模型生成代码的领域，如GitHub Copilot等。