INTERVENOR：以交互式修复链提示大语言模型的代码能力
软件工程
2024-06-14 v5 人工智能
摘要
本文介绍INTERVENOR（INTERactiVE chaiN Of Repair），一个旨在模拟人类交互式代码修复过程的系统，涵盖代码诊断与代码修复。INTERVENOR提示大语言模型（LLMs）在代码修复过程中扮演不同角色，同时作为代码学习者和代码教师。具体而言，代码学习者负责遵循指令生成或修复代码，而代码教师负责构建修复链（CoR）以作为代码学习者的指导。在生成CoR期间，代码教师需要检查代码学习者生成的代码，并根据编译器收到的错误反馈重新评估如何解决代码缺陷。实验结果表明，INTERVENOR超越基线模型，在代码生成和代码翻译任务上分别比GPT-3.5提升约18%和4.3%。我们的进一步分析表明，CoR能有效阐明缺陷背后的原因并以自然语言列出解决方案计划。借助编译器的反馈，INTERVENOR能准确识别语法错误和断言错误，并提供精确指令修复代码。所有数据与代码可在 https://github.com/NEUIR/INTERVENOR 获取。
引用
@article{arxiv.2311.09868,
title = {INTERVENOR: Prompting the Coding Ability of Large Language Models with the Interactive Chain of Repair},
author = {Hanbin Wang and Zhenghao Liu and Shuo Wang and Ganqu Cui and Ning Ding and Zhiyuan Liu and Ge Yu},
journal= {arXiv preprint arXiv:2311.09868},
year = {2024}
}
备注
27 pages, 19 figures, 10 tables