ArkTS-CodeSearch: A Open-Source ArkTS Dataset for Code Retrieval
本文提出了首个针对 OpenHarmony 生态中 ArkTS 语言的大规模开源数据集及基准测试，通过构建“自然语言注释-函数”检索任务并微调代码嵌入模型，填补了 ArkTS 代码智能研究在公开数据集和评估基准方面的空白。
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
📖 背景：一个“语言孤岛”的困境
想象一下，世界上突然出现了一种非常流行的新语言——ArkTS（它是华为 OpenHarmony 生态的核心语言）。由于这种语言太新了，虽然用的人越来越多，但互联网上并没有现成的、高质量的“词典”或“翻译指南”。
这就导致了一个问题：程序员们在写代码时，如果想通过一段中文描述（比如“帮我写一个计算圆面积的函数”）来快速找到现成的代码，由于缺乏数据，现有的 AI 工具（比如 ChatGPT 或各种代码助手）往往表现得像个“听不懂方言的游客”，根本搜不到想要的东西。
🛠️ 任务：打造“超级词典” (ArkTS-CodeSearch 数据集)
研究人员决定动手解决这个问题。他们做了三件事：
- 大规模搜集（采矿）： 他们像矿工一样，在 GitHub 和 Gitee 这两个巨大的“代码矿山”里，把所有用 ArkTS 写的代码都挖了出来。
- 精准提取（精炼）： 他们没有直接把乱七八糟的代码扔进去，而是用一种叫
tree-sitter的“精密筛子”，把代码里的**“功能块”（函数）和对应的“说明书”**（注释/文档）一一对应地提取了出来。 - 建立标准（制定规则）： 他们把这些“功能+说明”的配对整理成了标准格式，就像编纂了一本极其详尽的《ArkTS 功能说明大全》。
这就是论文提到的第一个贡献：第一个大规模、公开的 ArkTS 代码检索数据集。
🧠 训练：培养“超级翻译官” (模型微调)
有了“词典”，下一步就是训练 AI。研究人员找来了几个现成的“翻译官”（预训练模型），让他们学习如何理解 ArkTS。
他们尝试了三种“教学方法”：
- 方法 A（突击训练）： 直接给翻译官看 ArkTS 的词典。
- 方法 B（跨语言学习）： 先让翻译官学习一种很像 ArkTS 的语言（TypeScript），然后再教它 ArkTS。这就像是**“先学好法语，再学德语”**，因为两者很像，上手会更快。
- 方法 C（两步走策略）： 先学 TypeScript，再学 ArkTS。
实验结果发现： 这种“两步走”的方法效果最好！而且，即使是一个中等身材的“翻译官”（参数量适中的模型），只要经过针对性的“特训”，表现也能超过那些虽然块头大但没受过专业训练的“大块头”模型。
🏆 结论：这有什么用？
通过这项研究，我们得到了两样宝贝：
- 一本“超级词典”（数据集）：以后全世界的研究者都可以用它来测试自己的 AI 聪不聪明。
- 一个“金牌翻译官”（微调后的模型）：它能听懂人类的自然语言（甚至是中文），并精准地从成千上万行代码中，把你要的那段功能代码“揪”出来。
总结一句话：
这篇论文通过大规模收集数据并进行针对性训练，为 ArkTS 语言建立了一套“搜索引擎标准”，让未来的程序员可以用“说人话”的方式，更轻松地在代码海洋里“捞”到想要的功能。
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。