Aprendendo a anotação de tipos: os grandes dados são suficientes?

TypeScript é uma linguagem amplamente utilizada e opcionalmente tipada, onde os desenvolvedores podem adotar a tipagem "pague conforme você usa": eles podem adicionar tipos conforme desejado e se beneficiar da tipagem estática. O " imposto de anotação de tipo " ou esforço manual necessário para anotar novos ou existentes TypeScript pode ser reduzido por uma variedade de métodos automáticos. Abordagens de aprendizado de máquina (ML) probabilísticas funcionam muito bem. Abordagens de ML usam diferentes vieses indutivos, que vão de sequências de tokens simples a modelos complexos de redes neurais gráficas (GNN) que capturam relações sintáticas e semânticas. Vieses indutivos mais sofisticados são projetados manualmente para explorar a natureza formal do software. Em vez de implantar vieses indutivos sofisticados para o código, podemos simplesmente usar "grandes dados" para aprender padrões naturais relevantes para a tipagem? Encontramos evidências que sugerem que este é o caso. Apresentamos o TypeBert, demonstrando que mesmo com um viés indutivo simples de sequência de tokens usado em modelos do tipo BERT e dados suficientes, o desempenho da anotação de tipos dos modelos mais sofisticados pode ser superado.