核心概念
코드 지능 언어 모델의 사용 비용이 증가함에 따라, 프롬프트 학습이 이를 해결할 수 있는 잠재적인 솔루션으로 부상했다. 그러나 프롬프트 설계에 많은 인적 노력과 전문성이 필요하다는 문제가 있다. 이를 해결하기 위해 유전 알고리즘을 활용한 자동 프롬프트 설계 방법인 GenAP를 제안한다.
摘要
이 논문은 코드 지능 언어 모델에서 프롬프트 학습의 효과성을 조사하고, 기존 자동 프롬프트 설계 방법의 한계를 분석한 후, GenAP라는 새로운 자동 프롬프트 설계 방법을 제안한다.
- 프롬프트 학습의 효과성 조사:
- 코드 결함 예측, 코드 요약, 코드 번역 등 3가지 코드 지능 과제에서 프롬프트 학습의 성능을 평가
- 프롬프트 설계가 프롬프트 학습의 성능에 큰 영향을 미치는 것을 확인
- 기존 자동 프롬프트 설계 방법의 한계 분석:
- NLP 분야의 자동 프롬프트 설계 방법들이 코드 지능 과제에 직접 적용하기 어려운 한계가 있음을 확인
- 대부분의 기존 방법들이 수작업 프롬프트 초기화, 계산 비용 증가, 특정 과제에만 적용 가능 등의 문제가 있음
- GenAP 제안:
- 유전 알고리즘을 활용하여 코드 지능 언어 모델을 위한 자동 프롬프트 설계 방법인 GenAP를 제안
- 변수 길이 인코딩 전략과 맞춤형 교차 및 돌연변이 연산자를 설계하여 프롬프트 설계의 효율성과 적용성을 높임
- 실험 결과, GenAP는 기존 방법들보다 우수한 성능을 보이며, 계산 비용도 모델 추론 비용 수준으로 낮음
统计
코드 결함 예측 과제에서 GenAP는 기존 방법 대비 평균 2.13% 정확도 향상을 보였다.
引用
"코드 지능 언어 모델의 사용 비용이 증가함에 따라, 프롬프트 학습이 이를 해결할 수 있는 잠재적인 솔루션으로 부상했다."
"프롬프트 설계에 많은 인적 노력과 전문성이 필요하다는 문제가 있다."
"GenAP는 기존 방법들보다 우수한 성능을 보이며, 계산 비용도 모델 추론 비용 수준으로 낮다."