Automated Smart Contract Summarization via LLMs

自动代码摘要生成技术在智能合约的开发和维护中被广泛使用。近年来，随着大语言模型（LLMs）的出现，Gemini作为第一个支持多模态输入的大型多模态模型（LMMs）受到了广泛关注。然而，LMMs如何从多模态输入中生成合约代码摘要尚不清楚。本文重点评估了Gemini在现实世界的智能合约中的表现，与MMTrans进行比较，并探讨如何结合多模态提示生成合约代码摘要。我们使用了几个广泛使用的度量标准（BLEU，METEOR和ROUGE-L）来衡量生成的摘要的质量。我们的实验表明，在METEOR和ROUGEL指标方面，Gemini-Pro-Vision在三次提示生成的代码注释方面获得了21.17％和21.05％的分数。这些分数比单次提示和五次提示生成的分数更好。

本论文旨在评估Gemini对于多模态输入生成智能合约代码摘要的效果，并与MMTrans进行比较。通过使用多种评价指标，探究如何结合多模态提示来生成代码摘要。

Gemini是第一个支持多模态输入的大型多模态模型（LMMs），本文通过实验发现，使用多个多模态提示可以提高Gemini生成智能合约代码摘要的质量。

本文使用了几种常用的评价指标（BLEU、METEOR和ROUGE-L）来衡量生成的智能合约代码摘要的质量。实验结果表明，Gemini-Pro-Vision在使用三个多模态提示的情况下，METEOR和ROUGEL指标分别达到了21.17％和21.05％的得分，比使用一个或五个多模态提示的结果更好。

近年来，在智能合约领域中，自然语言处理和多模态技术的应用已经引起了广泛的关注。与本文相关的研究包括MMTrans等其他多模态模型的研究。