Core Concepts
코드 생성에 대한 새로운 구성 API 추천 방법의 효과적인 성능을 입증합니다.
Abstract
대형 언어 모델이 코드 생성에서 뛰어난 성능을 보여주었지만, 도서관 중심 코드 생성에 대한 성능은 여전히 불만족스럽습니다.
API 추천 기술을 활용하여 대형 언어 모델이 라이브러리를 사용할 수 있도록 도와주는 이전 작업들이 있었지만, 그들은 두 가지 주요 도전에 직면합니다: 요구 사항의 과립성 및 관련 리소스 부족.
CAPIR은 "분할-정복" 전략을 채택하여 요구 사항에 대한 API를 추천합니다.
CAPIR은 API 추천 방법을 평가하기 위해 RAPID와 LOCG 두 가지 어려운 벤치마크를 제시합니다.
실험 결과는 CAPIR의 효과를 입증하며, 기존 기준선과 비교하여 성능을 향상시킵니다.
Stats
CAPIR은 Recall@5를 18.7%에서 43.2%로, Precision@5를 15.5%에서 37.1%로 향상시킵니다.