qwen2.5 coder 7b instruct
PulseAugur coverage of qwen2.5 coder 7b instruct — every cluster mentioning qwen2.5 coder 7b instruct across labs, papers, and developer communities, ranked by signal.
-
大语言模型实现汇编程序超优化，性能超越编译器
研究人员开发了SuperCoder系统，该系统利用大语言模型（LLMs）优化汇编程序，其能力超越了标准编译器。研究人员创建了一个包含超过8000个汇编程序的基准数据集来测试23个LLMs，其中Claude Opus 4的成功率为51.5%。经过强化学习微调后，一个名为SuperCoder的Qwen2.5-Coder-7B-Instruct模型达到了95.0%的正确率，并且比gcc -O3快1.46倍，展示了大语言模型在程序性能优化方面的潜力。
-
Gemma4 12B QAT Q4模型在本地LLM Rust项目生成测试中表现出色
一位用户在具有16GB显存和8k上下文限制的gfx1030显卡上探索使用本地LLM模型来生成Rust项目。Gemma4 12B QAT Q4模型被发现是一个强有力的竞争者，能够成功地使用工具而无需手动干预，尽管它仍然表现出幻觉。测试过的其他模型，包括Claude Code、qwen2.5 coder 7b instruct以及一个Groq llama 8b微调模型，则不太成功，存在从缺乏工具调用到指令遵循不可靠等问题。
-
研究：陈旧的代码上下文会主动损害 AI 代码补全
一篇新发表在 arXiv 上的研究调查了过时信息对代码生成模型的影响。研究人员发现，提供陈旧的存储库上下文会主动导致模型生成不兼容的代码，而不仅仅是无法提供有用信息。检索到的上下文的时间有效性被确定为检索增强代码生成系统鲁棒性的关键因素。
-
LLM在结构约束下合成可执行游戏模式面临挑战
研究人员探索了使用大型语言模型（LLM）在Unity引擎中自动生成可玩游戏模式。他们研究了DeepSeek-Coder-V2-Lite-Instruct和Qwen2.5-Coder-7B-Instruct等模型是否可以将游戏设计概念转化为可执行的Unity项目。研究发现，虽然LLM可以生成代码，但结构和项目层面的植根问题对其在该领域的创造性合成能力构成了重大挑战。