赋予 AI 生成更好 AI 代码：基于 LLM 的深度学习项目指导生成
软件工程
2025-04-22 v1 人工智能
摘要
虽然大型语言模型（LLM）已被广泛应用于代码生成，但在生成完整的深度学习项目方面仍面临挑战，这类项目特征复杂，函数较长，对领域知识依赖更强。开放域 LLM 往往缺乏针对特定项目的连贯的上下文指导和领域专业知识，导致难以生成完全满足用户要求的完整代码。为此，本文提出一种新颖的规划引导式代码生成方法，名为 DLCodeGen，专为生成深度学习项目而设计。DLCodeGen 预测结构化的解决方案计划，为 LLM 提供全局指导以生成项目。随后，利用生成的计划检索语义上类似的代码样本，并抽象出代码模板。为有效整合这些检索增强技术，我们设计了一种比较学习机制以生成最终代码。我们构建了一个用于深度学习代码生成的数据集进行验证。实验结果表明，我们的方法优于其他基线方法，在 CodeBLEU 和人类评估指标上分别实现了 9.7% 和 3.6% 的提升。
引用
@article{arxiv.2504.15080,
title = {Empowering AI to Generate Better AI Code: Guided Generation of Deep Learning Projects with LLMs},
author = {Chen Xie and Mingsheng Jiao and Xiaodong Gu and Beijun Shen},
journal= {arXiv preprint arXiv:2504.15080},
year = {2025}
}