Large Language Models Meet NL2Code: A Survey
发布时间
阅读量：
阅读量
本文属于LLM系列综述文章，旨在针对该研究《Large Language Models Meet NL2Code: A Survey》的翻译工作。
大语言模型遇到NL2Code：综述
- ABSTRACT
-
- Introduction
-
- Applications of Large Language Models in NL2Code
-
- What factors contribute to the success of LLMs?
-
- Evaluation Metrics and Baselines
-
- Challenges and Opportunities
-
- Conclusion
摘要
在代码智能领域，生成代码的任务被视为一项具有紧迫性和重要性的挑战。得益于预训练技术的快速发展，众多大型语言模型被开发出来，以应对代码生成任务。本文旨在系统性地探讨NL2Code相关工作，为此，我们对现有27个大型语言模型进行了全面的调查，并对现有的基准体系和评价指标进行了回顾。基于HumanEval基准，我们对现有所有模型进行了直观的比较分析。通过深入研究和系统分析，我们得出了关键结论：促成NL2Code大型语言模型成功的关键因素主要体现在模型规模庞大、训练数据优质以及专业调优这三个方面。此外，我们还重点探讨了模型与人类之间的差距及其带来的机遇和挑战。为了便于公众了解最新进展，我们开发了一个网站，链接为https://nl2code.github.io，通过 crowdsourcing的方式追踪最新进展。据我们所知，这是对NL2Code大型语言模型的第一个系统性调查，我们相信这一研究将为该领域的发展提供重要的参考和指导。
1 引言
2 大语言模型用于NL2Code
3 什么使得LLM成功？
4 基准和指标
5 挑战与机遇
6 结论
在本文中，我们进行了系统性研究，深入探讨了现有NL2Code大型语言模型的成功原因。我们对现有评估基准和度量方法进行了系统回顾，并揭示了持续的挑战与机遇。此外，我们搭建了一个平台，以跟踪该领域的重要进展。我们希望这项研究能够为该领域提供一个全面的概述，并为其未来发展提供一个重要的研究方向。
全部评论 (0)
还没有任何评论哟~