李靖瑶等提出的MoTCoder通过模块化思维指令微调，显著提高了大语言模型在复杂编程任务中的准确性和可维护性。实验表明，MoTCoder在APPS和CodeContests基准上超越现有模型，生成的代码结构清晰、逻辑简明，适合算法竞赛和企业级开发，推动智能编程进步。
本研究通过MoTCoder框架解决大型语言模型在处理编程问题时性能下降的问题。通过模块化指导下的任务分解方法，提高了生成解决方案的模块化程度和正确性。在APPS和CodeContests上分别提升了12.9%和9.43%。
完成下面两步后，将自动完成登录并继续当前操作。
