PennyCoder：面向基于 PennyLane 的量子代码生成的高效领域特定 LLM
量子物理
2025-12-05 v1 人工智能
摘要
对鲁棒量子编程框架日益增长的需求揭示了一个关键局限：当前基于大语言模型(LLM)的量子代码助手严重依赖远程 API，带来了隐私、延迟和过高使用成本方面的挑战。为解决这一差距，我们提出 PennyCoder，一种用于量子代码生成的新型轻量级框架，明确设计用于本地和嵌入式部署，以实现无需依赖外部 API 的端侧量子编程辅助。PennyCoder 利用 LLaMA 3.1-8B 模型的微调版本，通过参数高效的低秩自适应(LoRA)技术进行适配，并结合针对 PennyLane 中量子编程的专用语法和计算逻辑优化的领域特定指令微调，包括量子机器学习和量子强化学习中的任务。与先前专注于基于云的量子代码生成的工作不同，我们的方法强调端侧原生可操作性，同时保持高模型效能。我们在一个全面的量子编程数据集上严格评估了 PennyCoder，微调模型达到了 44.3% 的准确率(相比之下，基础 LLaMA 3.1-8B 为 33.7%，RAG 增强的基线为 40.1%)，展示了在功能正确性上的显著提升。
引用
@article{arxiv.2507.19562,
title = {PennyCoder: Efficient Domain-Specific LLMs for PennyLane-Based Quantum Code Generation},
author = {Abdul Basit and Minghao Shao and Muhammad Haider Asif and Nouhaila Innan and Muhammad Kashif and Alberto Marchisio and Muhammad Shafique},
journal= {arXiv preprint arXiv:2507.19562},
year = {2025}
}
备注
6 pages, 5 figures, 3 tables, paper accepted to QCE 2025