深圳大学模板.docxVIP

  • 0
  • 0
  • 约1.09万字
  • 约 5页
  • 2026-11-20 发布于辽宁
  • 举报

深圳大学课程论文2026年11月

ShenzhenUniversityCoursePaper,Nov.2026

PAGE1

深圳大学课程论文

PAGE1

大语言模型驱动的代码生成技术研究综述

课程名称:人工智能导论学院:计算机与软件学院专业:计算机科学与技术

学生姓名:______学号:______指导教师:______

1计算机与软件学院,深圳,中国

摘要

代码生成是大语言模型最具产业价值的应用方向之一。本文以“模型—任务—方法—挑战”为主线,对近年大语言模型驱动的代码生成研究进行系统梳理。首先回顾Transformer架构的关键改进,包括前置层正则化、旋转位置编码、分组查询注意力与FlashAttention等,说明其如何支撑长代码序列的建模;其次按预训练领域与架构将代码模型划分为通用大模型加训模型、代码专用编码器模型、自回归与填空式解码器模型、编码器—解码器模型四类,比较其训练目标与数据构造方式;进而归纳指令微调与基于编译器反馈的强化学习两条对齐路径,并整理代码生成、代码补全、代码翻译、代码修复、单元测试生成等三十余项下游任务的任务谱系。在此基础上,从生成质量、可解释性、隐私与安全三个维度分析现有方法的局限,指出评测基准饱和、程序语义约束难以显式建模、训练与推理成本高企等关键问题,并从模型优化、数据增强与人机协作三方面展望后

文档评论(0)

1亿VIP精品文档

相关文档