本文介绍了一种名为LLM-GP的新型算法，该算法结合大型语言模型（LLM）与遗传编程（GP）来进化代码。LLM-GP利用LLM的提示和序列完成能力，通过独特的进化算子来处理代码合成。虽然存在与LLM交互的时间和成本问题，但该文提供了一个教程级别的实现，并讨论了使用LLM GP的潜在风险与机遇，鼓励进一步的研究。
本文是LLM系列文章，针对《Evolving Code with A Large Language Model》的翻译。
利用大型语言模型进化代码
摘要
使用大型语言模型（LLM）来进化代码的算法最近出现在遗传编程（GP）领域。我们提出了LLM-GP，一种形式化的基于LLM的进化算法，旨在进化代码。与GP一样，它使用进化算子，但这些算子的设计和实现与GP完全不同，因为它们使用LLM，使用提示和LLM的预训练模式匹配和序列完成能力。我们还提供了LLM GP的演示级变体，并共享其代码。通过解决从形式到实践的各种算法，我们涵盖了设计和LLM的使用注意事项，以及在使用LLM进行遗传编程时出现的科学挑战。
1 引言
2 背景：大语言模型
3 一个一般的LLM_GP算法
4 相关工作
5 一个LLM_GP变量的演示
6 讨论
7 结论和未来工作
本文探讨了使用LLM来进化代码的新颖性。它提供了清晰性：从算法1中出现的是对LLM GP的清晰描述：它是一种解决代码合成的进化算法。和GP一样，它使用一组进化算子。然而，其用于初始化、选择和变化的运算符可以通过提示与LLM接口，这些提示是从作为算法超参数一部分的提示函数返回的。与GP一样，它的进化单位是代码，但与GP使用的允许执行和变异的结构不同，它用代码片段的文本表示代码。从执行的实现和演示中得出的信息是，使用LLM来实现进化运算符会产生新的成本：在运行中，每次提示与LLM交互的时间和提示的成
已下架不支持订阅
扫一扫
832
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
