O aprimoramento da qualidade da geração de código requer uma combinação de recursos de modelo e técnicas de engenharia:
- Configuração do ambienteInstalação de dependências de código especiais
pip install seed-oss[code]Isso carregará o tokenizador otimizado do LiveCodeBench para lidar com símbolos especiais. - Engenharia de pontasEstrutura de três prompts: É usada uma estrutura de três prompts:
- O comando do sistema especifica o idioma (
"role":"system", "content":"Generate Python3 code") - Requisitos de entrada do usuário
- vara
n# Unit Test CasesnAutovalidação de modelos bootstrapped
- O comando do sistema especifica o idioma (
- ajuste de parâmetros: Configurações
thinking_budget=896+top_p=0.9+temperature=1.05Estimular a criatividade sem deixar de ser lógico, e os principais algoritmos podem ser adicionadosstop_sequences=["ndef"]Geração passo a passo. - mecanismo de pós-verificaçãoAtravés do sistema integrado
enable-auto-tool-choiceChama automaticamente o pytest ou o flake8 para verificar o código gerado e pode acionar a regeneração em caso de erro.
Testes empíricos mostram que o método melhora a métrica pass@1 no LiveCodeBench em 32% em relação ao uso básico. Ao lidar com projetos grandes, recomenda-se deixar o modelo gerar o projeto arquitetônico primeiro (thinking_budget=1024) e, em seguida, implementado em módulos.
Essa resposta foi extraída do artigoSeed-OSS: Modelo de linguagem grande de código aberto para raciocínio de contexto longo e aplicativos versáteisO
Não pode ser reproduzido sem permissão:Ferramentas de produtividade de IA " Como melhorar a precisão das tarefas de geração de código com o Seed-OSS?
