研究人员推出了一种名为“Think-Anywhere”的新型大型语言模型推理机制，它允许模型在生成代码的过程中随时进行思考，而不仅仅是在开始时。这种方法通过在需要时自适应地调用推理，在多个代码生成基准测试中取得了最先进的性能。另外，一项针对小型语言模型（1-3B参数）的研究发现，使用执行反馈进行自我完善可以显著提高代码生成能力，其效果优于复杂的流水线结构。该研究还强调，在流水线中，专门的代码模型比通用模型更有效，并且提前停止对于完善循环至关重要。 AI
影响 代码生成中自适应推理和执行反馈的新技术有望提高LLM在复杂编程任务上的性能。
排序理由 该集群包含两篇arXiv论文，详细介绍了代码生成研究中的新方法和发现。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2603.29957v3 Announce Type: replace-cross Abstract: Recent advances in reasoning Large Language Models (LLMs) have primarily relied on upfront thinking, where reasoning occurs before final answer. However, this approach suffers from critical limitations in code generation, …
arXiv:2604.21950v1 Announce Type: cross Abstract: Small language models (1-3B) are practical to run locally, but individually limited on harder code generation tasks. We ask whether composing them into pipelines can recover some of that lost capability. We study code generation p…