实体
CodeLLMs
CodeLLMs
PulseAugur coverage of CodeLLMs — every cluster mentioning CodeLLMs across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的EyeMulator方法通过模仿人类视觉注意力来增强代码语言模型
研究人员开发了EyeMulator，这是一种旨在提高代码语言模型（CodeLLMs）性能的新颖方法。该技术将人类视觉注意力的先验知识注入微调过程，而无需对模型进行架构更改。通过将眼动追踪数据提炼为语义显著性和注视转移信息，EyeMulator重新加权了token级别的训练损失，从而在各种CodeLLM骨干模型和任务中提高了性能，尤其是在结构保持的代码补全和翻译方面。
-
SpecCoder框架通过形式化规范增强代码大模型
研究人员开发了SpecCoder，一个旨在通过利用中间形式化规范来增强代码大模型推理能力的新框架。与自然语言不同，这些可执行的规范为代码验证、调试和修复提供了机器可检查的约束。SpecCoder使用经过验证的程序、改变行为的变异体和精炼跟踪来训练模型，以生成对正确代码有效但拒绝错误代码的规范。该框架在HumanExec基准上进行了评估，显示出Qwen2.5-Coder等模型在规范质量、正确性和完整性方面有了显著的改进。