ARKS：利用主动检索策略增强大型语言模型

ARKS: Active Retrieval in Knowledge Soup for Code GenerationARKS：利用主动检索策略增强大型语言模型‍‍‍‍‍‍‍‍‍‍‍‍‍‍本文作者介绍了一种名为知识汤中的主动检索（Active Retrieval in Knowledge Soup, ARKS）的高级策略，用于泛化LLM以生成代码。与依赖单一来源不同，作者构建了一个整合了网页搜索、文档、执行反馈和持续演进的代码片段的知识汤。他们采用一种主动检索策略，能迭代细化查询并更新知识汤。为评估ARKS的性能，他们编制了一个新的基准，包含与频繁更新的库和长尾编程语言相关的现实编程问题。在ChatGPT和CodeLlama上的实验结果显示，ARKS在LLMs上的平均执行准确率有了显著提升。分析确认了该策略策略的有效性，为构建有效的检索增强代码生成（RACG）管道提供了丰富的见解。方法的整体见figure1，在接收到用户查询后，主要是三个步骤：1） ………………………………