Newest papers

CAMGen: A Core Change-Aware Multi-View Framework for Commit Message Generation

Bo Xiong, Weisheng Chen, Zongen Ren, Yifeng Zhu, Xutian Li, Runbang Yan, Chong Wang, Peng Liang · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.31552 · cited by 0 works (OpenAlex) · open-access PDF

Russian

Компромиссные сообщения в контексте помогают разработчикам понять изменения кода и поддерживать программное обеспечение. Последние подходы используют контекст репозитория для улучшения генерации компромиссных сообщений (CMG) с большими языковыми моделями (LLM). Однако существующие методы CMG предоставляют ограниченную поддержку для понимания того, как локальные редактирования влияют на функциональность, совместно реализованную несколькими субъектами кода. Это функциональное понимание имеет важное значение для генерации компромиссных сообщений, которые объясняют основные изменения и их влияние. Чтобы решить эту проблему, мы предлагаем CAMGen, основную систему генерации компромиссных сообщений с осознанным изменением многообразия, которая включает функциональный контекст в генерацию. CAMGen идентифицирует основные субъекты,

Machine translation (Meta M2M100); the English original follows.

Abstract

Commit messages help developers understand code changes and support software maintenance. Recent approaches use repository context to improve commit message generation (CMG) with large language models (LLMs). However, existing CMG methods provide limited support for understanding how local edits affect functionality jointly implemented by multiple code entities. This functional understanding is essential for generating commit messages that explain the main change and its impact. To address this problem, we propose CAMGen, a core change-aware multi-view commit message generation framework that incorporates functional context into generation. CAMGen identifies core entities that represent the primary change intent. It then forms candidate functional units through repository-wide semantic clustering and uses those containing the core entities to construct a Functional Semantic View. This view supplies semantic context for interpreting the affected functionality. CAMGen also uses context provided by the Structural Dependency View and the Historical Exemplar View. The context from all three views is then provided to the LLM together with the code diff to guide CMG. The experimental results show that CAMGen outperforms representative CMG baselines across three programming languages. Human evaluation further shows that CAMGen generates more complete commit messages with clearer explanations of change rationale and impact. These results demonstrate the value of functional context and complementary repository information for CMG.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Commit, Computer science, Context (archaeology), Core (optical fiber), Semantics (computer science), Construct (python library)

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange