研究人员开发了一种名为迭代文本方向精炼（IRTD）的新方法，用于使用大型语言模型进行多轮代码纠错。IRTD通过专注于修复初始代码和精炼文本方向，而不是复杂的搜索结构，从而简化了最先进的散布森林搜索（SFS）。该方法在理论上已确立其安全性，实验表明其在代码生成基准测试上的性能与现有方法相当。 AI
影响 引入了一种更简单、更安全的方法，用于基于LLM的代码纠错，性能达到SOTA水平。
排序理由 这是一篇详细介绍使用LLM进行代码纠错新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.23989v1 Announce Type: new Abstract: Recent work on large language models (LLMs) has emphasized the importance of scaling inference compute. From this perspective, the state-of-the-art method Scattered Forest Search (SFS) has been proposed, employing Monte Carlo Tree S…
Recent work on large language models (LLMs) has emphasized the importance of scaling inference compute. From this perspective, the state-of-the-art method Scattered Forest Search (SFS) has been proposed, employing Monte Carlo Tree Search with carefully crafted initial seeds and t…