文件夹

0055.pdf格式 （221.58 KB）

日期

2023-01-03

作者

瑞安·马林斯

迈克尔·特里

贡献者

顾问

部门

教练

存款人

扬声器

研究员

顾问

采访者

注解器

期刊标题

期刊ISSN

卷标题

出版商

体积

编号/发行

起始页

565

结束页

备选标题

摘要

大型语言模型（LLM）可以从自然语言描述或通过在上下文中完成代码来合成代码。在本文中，我们考虑了LLM在推理时为不在训练数据中的新API合成代码的能力，并具体检查了不同API设计对这种能力的影响。我们发现：1）模型训练数据中的代码示例似乎有助于在推理时使用API；2） 幻觉是最常见的失败模式；3）新型API和提示的设计都会影响性能。根据这些发现，我们引入了合成API的概念：一种设计用于LLM而非人类的API。LLM的合成API提供了进一步加速开发任意工具和服务的自然语言接口的潜力。

描述

关键词

文本挖掘和分析, API设计, 代码综合, 人机交互, 大型语言模型

引用

URI（URI）

https://hdl.handle.net/10125/102701

范围

10

格式

地理位置

时间段

与相关

第56届夏威夷国际系统科学会议记录

目录

权利

归属-非商业化-无衍生品4.0国际

权利持有人

本地上下文

集合

文本挖掘和分析