.png){kind=icon}
返回
ComplexAgents: Complex Code Generation Framework Based on Multi-agents and Large Language Model
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-031-93254-0_11.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
快速发展的生成式大语言模型（LLMs）已被用于代码生成。然而，现有的基于LLMs的代码生成方法虽然在简单任务上有效，但在需要复杂推理和理解的复杂任务（如APPS+数据集）上往往表现不佳。受软件开发的团队协作范式启发，我们提出了ComplexAgents，一个基于LLMs的多智能体代码生成框架，以解决复杂代码生成不令人满意且效率低下的问题。具体而言，ComplexAgents率先将典型的人类工作流程（瀑布模型）融入复杂代码生成中。通过为不同智能体分配不同角色，ComplexAgents有效地将复杂任务分解为一系列可管理的子任务并高效整合，从而提升代码生成的准确性和效率。实验结果表明，ComplexAgents在HumanEval和MBPP任务上相对于基础LLM智能体（GPT-4-Turbo）的Pass@1分别提升了40.1%和1.4%。此外，在APPS+等复杂代码生成任务上，ComplexAgents在入门级、面试级和竞赛级三个难度类别中分别达到了70.4%、49.6%和20.6%的Pass@1，而当时最先进技术（sota）仅达到59.7%、23.5%和8.6%，这表明我们的方法在现实世界代码生成中具有显著前景。
Keyword:
Large Language Models
Multi-Agents
Code Generation
期刊
机构
引用论文
.png){kind=icon}
A Brief Overview of ChatGPT: The History, Status Quo and Potential Future Development简要概述ChatGPT: 历史，现状和潜在的未来发展
PREAI
分享收藏CodeT5+: Open Code Large Language Models for Code Understanding and GenerationCodeT5: 用于代码理解和生成的开放代码大型语言模型
OAAI
OAAI分享收藏 没有更多内容
没有更多内容