跳到主要内容
检索

Lijuan Li

1 篇关联报道

订阅更新
  1. arXiv

    自然语言技能也能像程序一样修:Synapse 在六个设定中成功率最高,最多领先最强基线 4.54 个百分点

    面向大语言模型智能体的自然语言技能文档,Synapse 把技能编译成带源码映射的部分程序视图,再用故障定位、依赖分析和回归测试选择来生成并验证补丁。在 DocVQA 与 LiveMath 两个单轮问答基准、三个执行模型共六个设定中,其留出测试成功率均高于 SkillOpt、Trace2Skill 和 SkillBoost,比各设定最强基线高 1.60 至 4.54 个百分点。消融显示,去掉基于该中间表示的修复与测试筛选、退回受限文本编辑后,四个评测设定的成功率全部下降。

已读完全部报道