学习任务分解以辅助人类进行竞赛编程

当使用语言模型（LMs）解决复杂问题时，人类可能难以理解LM生成的解决方案并修复有缺陷的方案。为了帮助人类修复它们，我们提出自动将复杂解决方案分解为多个更简单的部分，这些部分对应于特定的子任务。我们引入了一个新的任务分解学习目标，称为辅助价值（AssistV），它衡量人类修复分解后解决方案的可行性和速度。我们收集了一个关于不同分解方案的人类修复经验数据集。利用收集的数据作为上下文示例，我们学习批评、改进和排序分解后的解决方案，以提高AssistV。我们在竞赛编程问题上验证了我们的方法：在177小时的人类研究中，我们的方法使非专家能够多解决33.3%的问题，速度提高了3.3倍，并使他们能够与未受辅助的专家相匹敌。