Portrait de Jin Guo

Jin Guo

Membre académique associé
Professeur adjoint, McGill University, École d'informatique
Sujets de recherche
IA centrée sur l'humain
IA responsable
Interaction humain-IA
Interaction humain-machine (IHM)
Vie privée
Site web

Biographie

Jin L.C. Guo a obtenu son doctorat à l'Université de Notre Dame. Elle s'intéresse à l'utilisation des techniques d'intelligence artificielle pour résoudre des problèmes de génie logiciel. Ses recherches récentes portent sur la connaissance du domaine minier à partir des données de traçabilité logicielle et sur l'utilisation de ces connaissances pour faciliter les tâches automatisées de génie logiciel telles que la recherche de traces et les questions et réponses sur les projets. Avant son doctorat, elle a travaillé au laboratoire de recherche de Fuji Xerox dans les domaines du traitement de l'image et de la vision par ordinateur.

Étudiants actuels

Avinash Avinash
Doctorat - McGill
Site web
Github
Google Scholar
Billy Exarhakos
Maîtrise recherche - McGill
Lyu Fuyuan
Doctorat - McGill
Superviseur⋅e principal⋅e :
Xue (Steve) Liu
Site web
Github
Google Scholar
Jazlyn Jazlyn
Doctorat - McGill
Fanny Lasne
Stagiaire de recherche - McGill
Superviseur⋅e principal⋅e :
Jackie Cheung
Github
LinkedIn
Tamara Paris Paris
Doctorat - McGill
Co-superviseur⋅e :
AJung Moon
Shalaleh Rismani
Postdoctorat - McGill
Superviseur⋅e principal⋅e :
Jackie Cheung
Site web
Google Scholar
Sara Tavakoli
Maîtrise recherche - McGill
Site web
Github
Veronica Xia
Maîtrise recherche - McGill

Publications

The Vault: A Comprehensive Multilingual Dataset for Advancing Code Understanding and Generation
Dung Nguyen Manh
Nam Le Hai
Anh T. V. Dau
Anh Minh Nguyen
Khanh Nghiem
Jin Guo
Nghi D. Q. Bui
We present The Vault, an open-source dataset of high quality code-text pairs in multiple programming languages for training large language m… (voir plus)odels to understand and generate code. We propose methods for thoroughly extracting samples that use both rules and deep learning to ensure that they contain high-quality pairs of code and text, resulting in a dataset of 43 million high-quality code-text pairs. We thoroughly evaluated this dataset and discovered that when used to train common code language models (such as CodeT5, CodeBERT, and CodeGen), it outperforms the same models train on other datasets such as CodeSearchNet. These evaluations included common coding tasks such as code generation, code summarization, and code search. The Vault can be used by researchers and practitioners to train a wide range of big language models that understand code. Alternatively, researchers can use our data cleaning methods and scripts to improve their own datasets. We anticipate that using The Vault to train large language models will improve their ability to understand and generate code, propelling AI research and software development forward. We are releasing our source code and a framework to make it easier for others to replicate our results.
2022-12-31
Findings of the Association for Computational Linguistics: EMNLP 2023 (publié)
doi.org