Large Language Model-Aware In-Context Learning for Code Generation

doi:10.1145/3715908

Large Language Model-Aware In-Context Learning for Code Generation

2025-08-14

0

OA

AI

DOI：10.1145/3715908

原文求助

摘要

En 中文

大型语言模型（LLMs）在代码生成方面表现出令人印象深刻的无参数学习（ICL）能力。LLMs以包含少量示例和一个新需求的提示上下文作为输入，无需更新任何参数即可输出新程序。现有研究表明，基于ICL的代码生成性能在很大程度上取决于示例的质量，因此催生了关于示例选择的研究：针对一个新需求，从候选池中选择少量示例，期望LLMs能够学习这些选定示例中隐藏的模式。现有方法大多基于启发式规则或随机选择示例。然而，随机选择的示例分布通常差异很大，导致LLMs的性能不够稳定。启发式方法仅考虑需求的文本相似性来检索示例，导致性能欠佳。

Keyword:

In-Context Learning

Code Generation

Large Language Models

Demonstration Example Selection

Prompt Engineering

Large Language Model-Aware In-Context Learning for Code Generation

摘要

期刊

机构

引用论文