PulseAugur
实时 04:41:21
English(EN) Code Reasoning for Software Engineering Tasks: A Survey and A Call to Action

调查详细介绍了LLM在软件工程任务中的推理技术

一篇新的调查论文探讨了大型语言模型(LLM)在软件工程任务中的应用,重点关注推理技术如何提高性能。该论文对各种代码特定推理方法进行了分类和审查,包括那些利用结构信息和执行反馈的方法。它还讨论了结合规划、工具使用和多步交互的SWE代理的开发,并强调了在这个不断发展的领域中开放的挑战和未来的研究方向。 AI

影响 提供了适用于软件工程的LLM推理技术的结构化概述,指导了AI驱动的编码工具的未来研究和开发。

排序理由 这是一篇关于AI技术应用于软件工程的调查论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

调查详细介绍了LLM在软件工程任务中的推理技术

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Saurabh Pujar, Ira Ceka, Irene Manotas, Gail Kaiser, Baishakhi Ray, Shyam Ramji ·

    Code Reasoning for Software Engineering Tasks: A Survey and A Call to Action

    arXiv:2506.13932v3 Announce Type: replace-cross Abstract: The rise of large language models (LLMs) has led to dramatic improvements across a wide range of natural language tasks. Their performance on certain tasks can be further enhanced by incorporating test-time reasoning techn…