.png){kind=icon}
返回
Comparing Large Language Models and Human Programmers for Generating Programming Code
.png){kind=icon}
OA
AI
DOI：10.1002/advs.202412279.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对七种大型语言模型（LLMs）在采用不同提示策略、编程语言和任务难度生成编程代码方面的性能进行了系统评估。GPT-4显著优于其他LLMs，包括Gemini Ultra和Claude 2。GPT-4的编码性能因不同的提示策略而显著变化。在本次研究中评估的大多数LeetCode和GeeksforGeeks编程竞赛中，采用最优提示策略的GPT-4在竞争环境中超越了85%的人类参与者，其中许多人是有中等编程经验的学生和专业人士。GPT-4在将代码翻译成不同编程语言以及从过去的错误中学习方面表现出强大的能力。GPT-4生成的代码的计算效率与人类程序员相当。GPT-4还能够处理更广泛的编程任务，包括前端设计和数据库操作。这些结果表明，GPT-4有潜力作为编程代码生成和软件开发中的可靠助手。基于最优提示策略设计了一个编程助手，以促进LLMs在编程中的实际应用。
Keyword:
artificial intelligence
computer programming
human-computer interaction
large language models
期刊
IF:
14.1
论文数:
1.8W
被引数:
11.5W
机构
暂无机构信息
引用论文
Revolutionizing radiology with GPT-based models: Current applications, future possibilities and limitations of ChatGPT基于GPT模型的放射学革命: ChatGPT的当前应用，未来可能性和局限性
OAAI
OAAI分享收藏RadiaLE: A framework for designing and assessing link quality estimators in wireless sensor networksRadiaLE: 用于设计和评估无线传感器网络中链路质量估计器的框架OAAI
OAAI分享收藏MEMS based multi-band Energy Harvesting for Wireless Sensor Network applications基于MEMS的多频带能量收集在无线传感器网络中的应用
PREAI
分享收藏Assessing GPT-4 for cell type annotation in single-cell RNA-seq analysis单细胞rna-seq分析中细胞类型注释的评估GPT-4.png)
NATURE METHODSOAAI
NATURE METHODSIF32.1
OAAI分享收藏 没有更多内容
没有更多内容