Parsel 论文核心总结与翻译
主要内容
Parsel 是一个基于代码大语言模型(LLM)的算法推理框架,核心是模拟人类分层解决复杂问题的思路,将复杂任务自动分解为自然语言描述的函数模块,通过测试验证组合函数实现,最终生成可运行代码。其应用覆盖程序合成(APPS 竞赛题、HumanEval 基准)和机器人规划(VirtualHome 环境)三大场景,显著提升了 LLM 在复杂分层推理任务中的表现。
创新点
- 分层分解机制:将复杂任务转化为自然语言描述的函数模块及约束,支持函数调用与递归依赖,契合人类解决复杂问题的思维模式。
- 组合搜索与验证:通过强连通分量(SCC)分解依赖图,控制组合爆炸,结合自动生成的测试用例验证函数实现的正确性。
- 低样本高效性:在相同样本预算下,大幅超越直接采样的 AlphaCode、Codex 等模型,无需大规模额外训练。
- 跨场景通用性:同时适配编程竞赛题、标准代码基准和机器人任务规划,验证了框架的泛化能力。
翻译部分(Markdown 格式)
Abstract
尽管大型语言模型(LLM)在推理任务中取得了近期成功,但它们在生成复杂程序等分层多步推理任务中仍面临挑战。对于这类任务,人类通
订阅专栏 解锁全文
1299



被折叠的 条评论
为什么被折叠?



