ExploraCoder：通过规划与链式探索提升多未知 API 代码生成能力
软件工程
2025-06-23 v2
摘要
大型语言模型在训练语料中未出现的 API 编码存在内在局限性。随着库的持续演化，完全通过重新训练 LLM 来获取新 API 知识的做法不可行。这种局限性阻碍了 LLM 解决需要新引入或私有维护库的编程问题。灵感来源于人类行为中的探索式编程范式，我们提出了 ExploraCoder 框架，该框架通过 (1) 将复杂问题规划为多个 API 调用子任务，以及 (2) 通过一种新颖的链式 API 探索方式，在中间步骤中尝试正确的 API 用法，从而使 LLM 能够在代码解决方案中调用多个未知 API。我们在涉及复杂 API 交互的程序综合任务上进行评估。实验结果表明，ExploraCoder 在缺乏先前 API 知识的模型上显著提升了性能，在 pass@10 指标上相较于基于检索的方法提升最高可达 11.99%，相较于基于预训练的方法提升最高可达 17.28%。
引用
@article{arxiv.2412.05366,
title = {ExploraCoder: Advancing code generation for multiple unseen APIs via planning and chained exploration},
author = {Yunkun Wang and Yue Zhang and Zhen Qin and Chen Zhi and Binhua Li and Fei Huang and Yongbin Li and Shuiguang Deng},
journal= {arXiv preprint arXiv:2412.05366},
year = {2025}
}