文章总结与翻译一、文章主要内容本文聚焦大型语言模型（LLMs）在代码审查评论细粒度分类中的应用潜力，旨在解决传统监督机器学习方法依赖大量人工标注数据、泛化能力有限的问题，具体内容如下：研究背景：代码审查（CR）是软件开发中的关键质量保障环节，但现代轻量级审查中存在20%-44%的“无用”评论，浪费开发者时间。传统方法多将评论分为5个高层类别，且依赖人工标注数据，难以处理17个细粒度类别（部分高价值类别数据占比不足1%）的不平衡问题。研究设计分类策略：对比两种分类策略——“扁平策略”（单步直接分类为17个类别）和“分层策略”（两步分类：先分5个高层组，再分对应子类别）。输入上下文：测试“仅评论”和“代码+评论”两种输入形式，探究代码上下文对分类效果的影响。模型与数据集：选用Qwen 2（7B、72B）和Llama 3（8B、70B、405B）系列模型，基于OpenStack Nova项目的1828条人工标注评论数据集，与现有最优方法（CodeBERT+LSTM）对比。核心结果RQ1（LLMs能否分类评论）：LLMs可有效分类17个类别，性能远超随机猜测和多数类基线。其中Llama 3.1-405B采用扁平策略+代码上下 Exploring the Potential of Large Language Models in Fine-Grained Review Comment Classification
文章总结与翻译一、文章主要内容本文聚焦大型语言模型（LLMs）在代码审查评论细粒度分类中的应用潜力，旨在解决传统监督机器学习方法依赖大量人工标注数据、泛化能力有限的问题，具体内容如下：研究背景：代码审查（CR）是软件开发中的关键质量保障环节，但现代轻量级审查中存在20%-44%的“无用”评论，浪费开发者时间。传统方法多将评论分为5个高层类别，且依赖人工标注数据，难以处理17个细粒度类别（部分高价值类别数据占比不足1%）的不平衡问题。研究设计分类策略：对比两种分类策略——“扁平策略”（单步直接分类为17个类别）和“分层策略”（两步分类：先分5个高层组，再分对应子类别）。输入上下文：测试“仅评论”和“代码+评论”两种输入形式，探究代码上下文对分类效果的影响。模型与数据集：选用Qwen 2（7B、72B）和Llama 3（8B、70B、405B）系列模型，基于OpenStack Nova项目的1828条人工标注评论数据集，与现有最优方法（CodeBERT+LSTM）对比。核心结果RQ1（LLMs能否分类评论）：LLMs可有效分类17个类别，性能远超随机猜测和多数类基线。其中Llama 3.1-405B采用扁平策略+代码上下