编程链（CoP）：赋能大语言模型进行地理空间代码生成
软件工程
2024-11-19 v1 人工智能
计算与语言
摘要
随着地理空间建模跨学科需求的快速增长以及大语言模型（LLM）的兴起，地理空间代码生成技术取得了显著进步。然而，由于用户需求不完整或不明确，以及对特定平台语法规则了解不足，现有LLM在地理空间代码生成过程中常常面临挑战，导致生成不可执行的代码，这种现象被称为“代码幻觉”。为解决此问题，本文提出了一种编程链（CoP）框架，该框架将代码生成过程分解为五个步骤：需求分析、算法设计、代码实现、代码调试和代码注释。该框架融合了共享信息池、知识库检索和用户反馈机制，形成了一个从需求到代码的端到端代码生成流程，无需进行模型微调。基于一个地理空间问题分类框架和评估基准，CoP策略显著提升了生成代码的逻辑清晰度、语法正确性和可执行性，提升幅度在3.0%至48.8%之间。对比和消融实验进一步验证了CoP策略相对于其他优化方法的优越性，并证实了其关键组成部分的合理性和必要性。通过对建筑数据可视化和火灾数据分析的案例研究，本文展示了CoP在各种地理空间场景中的应用和有效性。CoP框架为基于LLM的地理空间代码生成任务提供了一种系统化、分步式的方法，显著增强了地理空间任务中的代码生成性能，并为其他垂直领域的代码生成提供了宝贵见解。
引用
@article{arxiv.2411.10753,
title = {Chain-of-Programming (CoP) : Empowering Large Language Models for Geospatial Code Generation},
author = {Shuyang Hou and Haoyue Jiao and Zhangxiao Shen and Jianyuan Liang and Anqi Zhao and Xiaopu Zhang and Jianxun Wang and Huayi Wu},
journal= {arXiv preprint arXiv:2411.10753},
year = {2024}
}