公开(公告)号：CN118246556A

公开(公告)日：2024-06-25

申请号：CN202410668413.0

申请日：2024-05-28

申请人： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

发明人： 张加佳 ,  高翠云 ,  漆舒汉 ,  孙志航 ,  陈雨佳

IPC分类号： G06N5/04 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/092 ,  G06F16/35 ,  G06F8/41

摘要： 本发明公开了一种基于强化学习的类型推断方法及装置，包括：获取运行环境数据和代码数据，并对所述运行环境数据和所述代码数据进行预处理，得到合法类型序列及类型流序列；根据所述合法类型序列及所述类型流序列，进行带类型标注的代码生成任务的监督训练；根据生成的带类型标注的目标代码，进行静态反馈的强化学习训练，得到强化后的代码生成模型。本发明提出了使用基于生成的方法来预测类型，并通过强化学习来增强生成模型的类型预测的准确性，解决了现有的类型推断模型的预测结果与实际应用偏差较大的问题。

公开(公告)号：CN118246556B

公开(公告)日：2024-11-12

申请号：CN202410668413.0

申请日：2024-05-28

申请人： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

发明人： 张加佳 ,  高翠云 ,  漆舒汉 ,  孙志航 ,  陈雨佳

IPC分类号： G06N5/04 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/092 ,  G06F16/35 ,  G06F8/41

摘要： 本发明公开了一种基于强化学习的类型推断方法及装置，包括：获取运行环境数据和代码数据，并对所述运行环境数据和所述代码数据进行预处理，得到合法类型序列及类型流序列；根据所述合法类型序列及所述类型流序列，进行带类型标注的代码生成任务的监督训练；根据生成的带类型标注的目标代码，进行静态反馈的强化学习训练，得到强化后的代码生成模型。本发明提出了使用基于生成的方法来预测类型，并通过强化学习来增强生成模型的类型预测的准确性，解决了现有的类型推断模型的预测结果与实际应用偏差较大的问题。