RepoExec-inline

新的OpenCoder框架解决了AI代码生成中的不确定性问题

研究人员推出OpenCoder，一个旨在通过显式建模检索证据中的不确定性来改进代码生成的新框架。与以往只关注检索相关性的方法不同，OpenCoder估计特定来源的不确定性，以过滤和排序来自各种来源的信息，如相似的代码示例、存储库上下文和项目特定API。这种方法旨在减少噪音和冲突信号，从而生成更准确的代码。在RepoExec-inline基准上的评估表明，OpenCoder显著提高了GPT生成代码的正确性，尽管收益因LLM后端而异。