实体
Code::Blocks
Code::Blocks
PulseAugur coverage of Code::Blocks — every cluster mentioning Code::Blocks across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
人工智能对编程的影响：开发者适应新工具和不断变化的职责 · 追踪 4 个来源
随着先进人工智能和大型语言模型的出现，程序员的角色正在演变，能够实现快速原型设计并可能自动化许多开发任务。虽然一些开发者拥抱人工智能工具来加速工作流程并专注于交付产品，但另一些人仍然重视编写代码的传统过程。这种转变需要重新评估软件开发实践和人工智能时代程序员的角色。
-
代码大模型通过结构感知监督框架得到改进
用于训练大型语言模型（LLM）的新框架在代码生成方面表现出性能提升。以 CodeBlock 框架为例的结构感知稀疏监督，比传统的全词元监督微调更有效。这种方法在代码生成任务中带来了更高的效率和更好的结果。
-
新的CodeBlock框架通过结构感知增强代码LLM的监督
研究人员开发了CodeBlock，一种用于微调代码大型语言模型（LLM）的新型框架，该框架侧重于在结构层面而非逐个标记的层面监督代码。这种方法将代码响应划分为语法上连贯的“代码项”，并优先处理那些对学习最有信息量的代码项，利用数据流信号识别关键依赖关系。实验表明，与传统方法相比，CodeBlock在代码生成基准测试上的性能显著提高，同时仅使用了监督标记的一小部分。