Mar, 2024
大语言模型中少样本代码生成的提示选择与增强及其在机器人控制中的应用
Prompt Selection and Augmentation for Few Examples Code Generation in Large Language Model and its Application in Robotics Control
On Tai Wu, Frodo Kin Sun Chan, Zunhao Zhang, Yan Nei Law, Benny Drescher...
TL;DR通过多阶段示例扩充方案和示例选择方案,本算法实现了多样性提升、冗余度减少和与问题相关性增加的示例集合选择,结合作为思维程序的提示,显著提高了 GSM8K 和 SVAMP 基准测试的性能(分别提高了 0.3% 和 1.1%),在模拟台面环境中的性能超越了以代码为政策的方法(成功任务完成率提高了 3.4%,示例使用数量减少了 70% 以上),该算法减少了没有贡献于问题解决的示例的推理时间,同时为工业过程自动化提供了重要的益处,简化了开发和部署过程、减少了手动编程工作量和增强了代码可重复使用性。