近期,研究人员提出了一项名为LEVER的技术,该技术旨在通过学习验证生成的程序与其执行结果之间的关系,从而改善自然语言到代码的转换过程。LEVER采用了自然语言描述、程序表面形式以及执行结果的组合表示进行训练,以便识别和排除错误的程序。
研究人员在代表不同领域的四个数据集上进行了实验,包括表格问答(Table QA)、数学问题回答(Math QA)和基础Python编程等。实验结果显示,使用LEVER技术在code-davinci-002数据集上的性能提升范围为4.6%到10.9%,并且始终优于基本的代码语言模型(LLM)。在所有数据集上,LEVER都取得了全新的最先进结果,证明了其在生成精确且上下文相关的代码方面的优越性。
LEVER技术的应用前景广泛,可以提高代码语言模型将自然语言描述转化为可执行代码的能力。这对于改善数据库接口、机器人控制、虚拟助手等人工智能应用具有潜在的重要意义。有望在未来进一步推动自然语言处理和编程领域的发展。
论文地址:https://arxiv.org/abs/2302.08468
© 版权声明
THE END
暂无评论内容