A Benchmark Dataset for Graph Regression with Homogeneous and Multi-Relational Variants
本文介绍了 RelSC，这是一个源自带有执行时间标签的程序图的新型图回归基准数据集，提供同构和多关系两种变体，以评估结构表示选择如何影响模型性能。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在教一个机器人如何猜测一段软件运行需要多长时间。为此，你需要向机器人展示代码的“图像”。但这不能是任意的图像，而必须是一张特殊的地图，展示代码的不同部分如何相互交互。
本文介绍了一个名为RelSC的全新、庞大的“训练健身房”（数据集），旨在帮助研究人员为这一特定任务构建更优秀的机器人（AI 模型）。以下是他们所做工作的分解说明，使用了简单的类比。
问题：机器人的饮食过于单调
目前，大多数用于分析图（连接地图）的 AI 模型所接受的“饮食”非常有限。它们主要食用分子（如用于制造药物的化学化合物）或引文网络（如学术论文中谁引用了谁的地图）。
作者表示，这就像一位厨师只知道如何用苹果烹饪。他们希望教会 AI 用一切食材烹饪，包括软件代码。但此前并没有一份好的软件性能“食谱书”（数据集）。
解决方案：新的“代码健身房”（RelSC）
作者创建了RelSC，这是一个庞大的 Java 程序集合，每个程序都配有其实际的“运行时间”（执行耗时）。你可以将其想象为一个图书馆，其中的每一本书（代码）都附带了一个秒表。
他们以两种不同的“风味”构建了这座图书馆，以测试 AI 的学习效果：
RelSC-H（同质版本）：
- 类比： 想象一张城市地图，其中每条道路都仅仅是“道路”。你可以看到街道，但不知道某条路是高速公路、土路还是自行车道。所有的连接都只是“连接”。
- 论文中： 此版本将代码转化为图，其中所有连接看起来都一样，但“建筑物”（节点）拥有丰富的细节，说明它们是什么（例如，“这是一个数学运算”，“这是一个变量”）。
RelSC-M（多关系版本）：
- 类比： 现在，想象同一张城市地图，但道路被着色并标记。你有高速公路（数据从一个变量流向另一个变量）、交通灯（if/else 决策）和单行道（循环）。
- 论文中： 此版本保留了连接的特定“类型”。它告诉 AI：“这条线将变量连接到数学运算”，或者“这条线将条件连接到循环”。这是一张更详细、更复杂的地图。
如何绘制这些地图
为了将代码转化为这些地图，他们使用了计算机科学中的三种标准工具，就像蛋糕的层次一样：
- AST（骨架）： 代码的基本结构（如房屋的框架）。
- CFG（交通流）： 程序的执行流程（如交通灯和转向信号）。
- DFG（水管）： 数据如何流动和变化（如水在管道中流动）。
他们将这三者融合在一起，创建了代码行为的超详细地图。
实验：谁学得最好？
作者将各种 AI 模型（图神经网络）放入这个“健身房”，以观察它们在预测运行时间方面的表现。
- 结果：
- 使用图地图（RelSC）的 AI 模型，在猜测时间方面通常优于那些仅将代码作为文本或简单树来读取的模型。
- 意外发现： 尽管RelSC-M（详细的、多车道高速公路地图）拥有更多信息，但模型有时在RelSC-H（更简单的单行道地图）上的表现反而更好。
- 启示： 这表明，拥有过多的细节或错误类型的细节有时会混淆 AI。这就像给司机一张标记了每一个坑洼的地图；有时，一张更简单的地图反而更容易导航。
为什么这很重要
该论文声称，这个数据集是一个“具有挑战性且通用的基准”。它迫使 AI 研究人员停止仅在分子上进行测试，转而开始在现实世界的软件结构上进行测试。
简而言之： 作者为 AI 构建了一个新的、多样化的训练场，以学习如何预测软件速度。他们表明，虽然详细的代码地图非常强大，但我们绘制这些地图的方式与其内部包含的信息同样重要。他们现在正将这个“健身房”向所有人开放，以便其他人尝试构建更优秀的机器人。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。