计算机科学 > 计算与语言
[提交于 2024年12月31日
(v1)
,最后修订 2025年1月3日 (此版本, v2)]
标题: 大型语言模型在开放式问题解决方案实现生成中的应用概述与讨论
标题: An Overview and Discussion on Using Large Language Models for Implementation Generation of Solutions to Open-Ended Problems
摘要: 大型语言模型为设计自动化实现生成方法提供了新的机会,这些方法可以解决超越传统方法的问题求解活动,传统方法需要算法规范,并且只能使用静态领域知识,如性能指标和基本构建块库。 大型语言模型可以支持创建新方法,以支持开放式问题的问题求解活动,例如问题框架设定、探索可能的求解方法、特征详细说明和组合、更高级的实现评估以及处理意外情况。 本报告总结了当前关于大型语言模型的工作,包括模型提示、强化学习和检索增强生成。 也讨论了未来的研究需求。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.