深度分析
SemChunk-C 輕量化語意分割模型：提升 C 系語言程式碼檢索與生成效能
本篇報導聚焦於 SemChunk-C 系列模型，這是一套針對 C、C++、C# 等語系檔案的輕量語意分割工具。研究者先定義多種程式碼區塊類別，接著以大型語言模型產生標註資料，再以 17M 至 150M 參數的 Ettin 編碼器進行微調，使模型能自動辨識功能單位並附加屬性。
程式碼檢索
深度分析
多語言程式碼品質感知檢索基準 CoQuIR 及其微調方法全解析
程式碼檢索是現代軟體開發的關鍵環節，然而既有基準多聚焦於語意或功能相關性，忽略了正確性、效率、安全性與可維護性等核心品質。CoQuIR 以 42,725 筆查詢與 134,907 筆程式碼片段，跨越 11 種程式語言，提供細緻的品質標註與兩項品質導向評分指標（PPA、MRS），首次系統性衡量檢索模型的品質感知能力。
深度分析
Granite Embedding Multilingual R2 技術解析：ModernBERT、32K 窗口與 Matryoshka 維度裁切
多語言檢索與長文件挑戰下,GraniteEmbeddingMultilingualR2以ModernBERT為基礎,推出97M與311M兩款模型,支援32K上下文與200+語言,在MTEB檢索基準顯著提升低參數模型表現並擴展程式碼檢索能力。