RefactorCoderQA：面向云端与边缘部署的多域编码问题解答基准

为优化大型语言模型(LLM)的推理与问题解决能力，我们提出了一种创新的云端-边缘协作架构，使其能够实现结构化的多智能体提示框架。该框架由三个专用组件组成：GuideLLM—a lightweight模型部署在边缘以提供方法论指导；SolverLLM—a更强大的模型托管在云端，负责生成代码解决方案；以及JudgeLLM—an用于评估解决方案正确性和质量的自动评估器。为评估并展示该架构在真实场景中的有效性，我们引入RefactorCoderQA—a全面的基准，旨在评估和提升LLM在跨域编码任务中的性能。受现有基准局限性的启发，RefactorCoderQA系统地覆盖多个技术领域，包括软件工程、数据科学、机器学习和自然语言处理，使用来自Stack Overflow的真实编码挑战。我们提出RefactorCoder-MoE—a基于DeepSeek-Coder-7B-Instruct的微调混合专家(MoE)代码语言模型，针对RefactorCoderQA基准使用QLoRA进行领域特定编码问题解答。大量实验表明，RefactorCoder-MoE实现了强劲且具竞争力的性能，显著优于所有评估的开源和商业基准，整体准确率达76.84%。