programming problems | BriefGPT

关键词programming problems

搜索结果 - 9

面向代码生成的测试驱动开发
通过实验证明，在使用 GPT4 生成代码的过程中，使用 TDD 开发模型（即在给定问题描述之前先编写测试）比仅使用问题描述作为输入更好，并且在一系列实验中一致表现出 TDD 解决编程问题的能力比仅使用问题描述更强。
PDF4 months ago
使用生成式人工智能实时增强编程错误消息
应用生成式人工智能技术改善编程问题、错误信息及自动化评估工具的可用性。
PDF5 months ago
PPM：用于基准代码生成模型测试的多样化编程问题的自动生成
我们提出了编程问题合并（PPM）的概念，并提供了两种实现方法，我们使用我们的工具在两个广泛使用的数据集上，并使用八个代码生成模型将其与九种基准方法进行了比较，结果表明，与基准相比，我们的工具在生成更具挑战性、多样化和自然的编程问题方面更具有
PDF5 months ago
与提示问题的交互：使用大型语言模型进行编程教学的新方法
通过 Prompt Problems 的方法，我们提出了一种新的教授编程的方式，学生可以通过将问题转化为语言模型（LLMs）所能理解的提示来解决编程问题，并且我们展示了这个工具的设计、学生使用情况以及将 LLMs 整合到设计工具中所带来的新
PDF6 months ago
MoTCoder: 模块化思维提升大型语言模型用于具有挑战性的编程任务
通过引入模块思维编码器（MoTCoder）框架，本研究针对大型语言模型在处理编程问题时的性能下降问题进行了研究，并提出了一种模块化指导下的任务分解方法，通过培育和利用子模块，显著提高了生成解决方案的模块化程度和正确性，从而在 APPS 和
PDF6 months ago
竞赛级问题对 LLMs 的有效性评估
评估大语言模型在 Codeforces 编程问题上的推理能力，发现了潜在的数据污染问题，并探索了多种方法来解决这些挑战，强调了评估 LLMs 真正推理能力的重要性和未来更强大推理能力和更好泛化性能的发展。
PDF7 months ago
扩展 ChatGPT 的前沿：代码生成和调试
本研究探讨了 ChatGPT 在解决编程问题方面的有效性，考察了其解决问题的正确性和时间、内存复杂度等效率，研究结果表明 ChatGPT 在结构化问题方面表现出较好的成功率，但其调试任务表现不佳，为 ChatGPT 的能力和改进提供了精辟的
PDFa year ago
超越代码：头脑风暴提升大型语言模型的代码生成能力
本文介绍 Brainstorm 框架用于代码生成，该框架利用头脑风暴步骤生成和选择解决问题的可能性方案，从而极大地增强了大语言模型（LLMs）解决竞赛级编程问题的能力，可以与人类程序员的水平相媲美。
PDFa year ago
语言模型可自学习更好的编程
我们展示了一种能够通过 Python 解释器来过滤正确性的方法，使用 Language Models 能够合成编程问题和解决方案，并在自己的综合问题和验证解决方案方面进行微调，从而改进自身性能。
PDF2 years ago