研究人员开发了 LangSelect，这是一个新颖的系统，旨在通过智能地将请求路由到成本效益最高的目标编程语言来优化大型语言模型 (LLM) 的代码生成。这种方法认识到，对于某些任务，多种编程语言可以满足相同的测试用例，而语言的选择会显著影响生成代码的长度，进而影响其成本。LangSelect 旨在通过选择目标语言来提高效率，如果初始尝试失败，则回退到另一个选项。在 MultiLang-Bench 语料库上的评估表明，LangSelect 可以在保持高通过率的同时将 token 使用量减少 50% 以上，展示了其为可验证代码生成定义实际成本-正确性边界的潜力。 AI
影响 这项研究通过优化语言选择，可能导致更具成本效益的 LLM 代码生成。
排序理由 这是一篇详细介绍 LLM 代码生成新方法的论文。[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 →
