小型语言模型修复大型模型生成的代码错误

研究人员开发了SLMFix，一种使用经过强化学习微调的小型语言模型（SLMs）来纠正大型语言模型（LLMs）生成的代码中的语法错误的新方法。这种方法对于低资源编程语言（LRPLs）和领域特定语言（DSLs）尤其有益，因为LLMs在这些语言上常常遇到困难，并且微调成本高昂。SLMFix已显示出显著的改进，将LRPLs的验证器通过率提高了40%，并将高资源DSLs中的语法错误减少了50%以上，其性能优于传统的监督微调方法。 AI

影响 这项研究可以显著提高LLM生成代码的可靠性，尤其是在小众或低资源编程语言方面，从而减少开发障碍。

排序理由 该集群描述了一篇研究论文，其中详细介绍了一种使用SLMs和RL进行代码错误修复的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Ansible
• David Jiahao Fu
• Domain-Specific Languages
• large language models
• Lean
• Low-Resource Programming Languages
• reinforcement learning
• SLMFix
• small language model

• 论文
• 模型发布

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