PulseAugur
实时 01:12:31
English(EN) CodeEvolve: LLM-Driven Evolutionary Optimization with Runtime-Enriched Target Selection for Multi-Language Code Enhancement

CodeEvolve利用LLM和运行时分析来提升代码性能

研究人员开发了CodeEvolve,一个使用大型语言模型(LLMs)自动增强代码质量和性能的新框架。该系统集成了运行时分析数据,以识别关键的优化目标,减少了手动分析的需求。CodeEvolve随后生成、评估和优化代码编辑,通过包括LLM驱动的审查在内的各种检查来确保功能正确性。在测试中,它显著加速了Java代码库,并证明了对Salesforce Apex的可靠优化。 AI

影响 引入了一种自动化的代码优化方法,有望提高开发人员的生产力和软件性能。

排序理由 这是一篇详细介绍使用LLM进行代码增强的新颖框架的研究论文。[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 →

CodeEvolve利用LLM和运行时分析来提升代码性能

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Shuchita Singh ·

    CodeEvolve:LLM驱动的进化优化,结合运行时增强的目标选择,用于多语言代码增强

    We present CodeEvolve, an evolutionary framework for improving program performance and code quality with Large Language Models (LLMs). CodeEvolve extends OpenEvolve with runtime-guided target selection, Monte Carlo Tree Search (MCTS), automated code refinement, and language-speci…