自解释关键词增强大型语言模型的代码生成能力
原文中文，约2000字，阅读约需5分钟。发表于：。本研究解决了大型语言模型在代码生成中对低频关键词认识不足的问题。提出了一种新颖的自解释关键词(SEK)技术，通过从问题描述中提取并解释关键术语，帮助模型更好地理解和生成代码。实验表明，SEK技术显著提升了模型的准确性，尤其在HumanEval基准上将DeepSeek-Coder-V2-Instruct的Pass@1从85.4%提升至93.3%。
研究提出自解释关键词（SEK）技术，解决大型语言模型在代码生成中对低频关键词理解不足的问题。通过提取并解释关键术语，SEK技术显著提高了模型准确性。在HumanEval基准上，DeepSeek-Coder-V2-Instruct的Pass@1从85.4%提升到93.3%。文章还讨论了提升代码生成性能的方法和挑战。
