PulseAugur
实时 16:46:49
English(EN) Understanding Conversational Patterns in Multi-agent Programming: A Case Study on Fibonacci Game Development

对7个LLM的AI智能体编程对话进行分析

一项新研究分析了软件开发任务中AI智能体之间的对话模式,特别关注斐波那契游戏。研究人员考察了七个开源大型语言模型(LLMs)上“设计者”和“程序员”智能体之间的交互,包括Gemma、LLaMA、DeepSeek、MiniCPM和Qwen。分析显示,在效率、一致性和有效性方面存在显著差异,其中DeepSeek-R1对在第一次迭代就独特地收敛到正确解决方案。 AI

影响 为自主软件工程任务中的智能体协调和收敛提供了见解。

排序理由 学术论文分析LLM智能体在软件开发中的交互。[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 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Srijita Basu, Viktor Kjellberg, Simin Sun, Bengt Haraldsson, Md. Abu Ahammed Babu, Wilhelm Meding, Farnaz Fotrousi, Miroslaw Staron ·

    Understanding Conversational Patterns in Multi-agent Programming: A Case Study on Fibonacci Game Development

    arXiv:2605.24138v1 Announce Type: cross Abstract: Large Language Models (LLMs) are increasingly applied to software engineering (SE), yet their potential for autonomous, role-oriented collaboration remains largely underexplored. Understanding how multiple LLM-based agents coordin…