研究人员开发了一个新框架，以提高大型语言模型（LLM）生成的代码的非功能性质量。该方法包括创建一个包含有质量问题和无质量问题的代码的数据集，实施一种自适应令牌加权机制来关注质量敏感的代码区域，并使用混合优化目标。在DeepSeek-Coder和Qwen2.5-Coder等模型上的实验表明，在保持功能正确性的同时，代码符合编码标准的程度显著提高，微调一个7B模型耗时不到三小时。 AI
影响 提高了LLM生成代码的可靠性和标准遵循度，可能增加其在专业开发中的采用率。
排序理由 详细介绍改进LLM生成代码质量的新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
