跳到主要内容
检索

# Scientific Computing and Data Management

2 篇关联报道

订阅更新
  1. 不改一行SAS源码,用元数据层把558个宏的临床报表库变成LLM可读JSON,14份真实报表中11份达到80%以上单元格一致

    该研究提出一种非破坏性元数据层框架(桥接映射、带类型的中间表示IR、编排器),在不修改已验证SAS源码的前提下把遗留临床报表库的输出重新暴露为机器可读JSON,并在一个558组件、372,698行的工业SAS宏库上验证:共存模式下即刻获得AI就绪输出,可选整合使专有代码减少92%,内部III期研究PROT008-SR1的14类报表中11类达到80%以上单元格级一致(均值82.7%,最高99.2%),公开CDISC CDISCPilot01基准5类报表4,764个单元格实现100%一致,LLM实验进一步完成表格摘要、不良事件异常检测与试验配置生成。

  2. 发表出处待核验

    MergeRepair 将多个代码任务适配器合并后,在 StarCoder2 上把自动程序修复的 pass@1 提升 2.38%、pass@10 提升 4.01%,且不额外训练

    该研究提出 MergeRepair 框架,在 CommitPackFT 的 Python 子集(59,113 条样本,其中 Bug Fixes/APR 占 19.02%)上为 Development、Bug Fixes、Misc、Test & QA、Improvement 五个任务各训练一个 LoRA 适配器,用 weight-averaging、ties、dare-ties 三种方法做等权合并,并提出按顺序逐步合并的 continual merging;在 StarCoder2 与 Granite 两个 3B 代码模型上以 HumanEvalFix 的 pass@1/pass@10 评估,结果显示合并适配器可在不额外训练的情况下提升 APR 表现,例如 Sta

已读完全部报道