新基准评估大语言模型在自然语言到Scratch编程的转换能力

研究人员推出了NL2Scratch，这是一个新的基准，旨在评估在类似Scratch的块状编程环境中，自然语言到代码生成的性能。该基准包含超过30万个程序-描述对，侧重于语义对齐而非仅仅词汇相似性。对大型语言模型的实验表明，它们在传统指标上的表现与实现语义一致性的能力之间存在显著差距，尤其是在处理更长或更复杂的编程任务时。 AI

影响 该基准有望提升大语言模型在将自然语言指令转换为结构化代码方面的能力，从而应用于教育和创意编程工具。

排序理由 该条目描述了一篇介绍新基准和评估指标的学术论文，用于特定编程环境下的自然语言到代码生成。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• NL2Scratch
• ScienceCast
• Scratch
• Semantic Alignment Consistency

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →