文章主要内容和创新点主要内容本文聚焦于源代码分割任务（将代码划分为功能连贯的片段），旨在解决低资源编程语言（如社会科学、心理学领域常用的R语言）在大型代码库中手动分割和句法分析方法效率低下的问题。研究提出了两种基于语言模型（LLMs/SLMs）的自动化分割方法：逐行分析方法：结合目标代码行的上下文（前后代码行）进行功能分类，再合并同类连续行形成片段；基于范围的方法：通过语言模型分析整个代码库，直接生成具有特定功能的连续代码行范围。研究构建了人工标注数据集StatCodeSeg（含R语言代码的细粒度行级标注），并在该数据集及Python代码上进行实验。结果显示：基于上下文的逐行分析优于范围分割；小语言模型（如CodeBERT、CodeT5+）表现优于大语言模型（如GPT-4o、Gemini 1.5 Pro），且这些小模型虽未在预训练中接触过R代码，但仅通过4130行标注数据微调即可实现高效分割。创新点提出两种基于语言模型的分割方法：逐行上下文分析与范围式分割，实现了自动化、领域适配的源代码分割；构建新数据集StatCodeSeg：首个针对研究领域R代码的人工标注数据集，包含细粒度行级功能标注，解决了现有数据集仅关注句法特征的局限；验证小语言模型的优越性：通过实验证明，经微调的小语言模型（如