一种基于大语言模型的代码补全方法及系统

本发明提出一种基于大语言模型的代码补全方法及系统，该方法包括：基于Transformer架构训练大语言模型，并在解码阶段融入质量评估机制；将待补全代码片段及其上下文信息输入大语言模型；对待补全代码片段的上下文信息进行分析，为每个token位生成一组与上下文信息相匹配的候选token及其对应的概率分布；在解码阶段，结合质量评估机制和蒙特卡洛树搜索技术快速探索候选空间，为每个待补全的token位，筛选出最佳的token进行代码补全。本发明通过在Transformer解码阶段融入质量评估，能够即时排除低质量候选token，减少了错误补全和后续修正工作，同时结合蒙特卡洛树搜索高效探索候选空间，快速筛选出最佳token组合，提高代码补全的效率。