Компьютерные науки > Расчеты и язык [представлен 15 июля 2026 года] Название: LangSelect: Cost-ware Target-Language Routing for LLM Code Generation View PDF Abstract:LLM системы генерации кодов обычно выбирают целевой язык программирования перед декодированием и рассматривают этот выбор как фиксированный. Мы показываем, что для выполнения задач в области программирования с применением гибкого языка -- задач, когда несколько целевых языков являются приемлемыми и поддаются проверке при помощи одних и тех же тестов, -- этот выбор является поддающимся измерению рычагом затрат: проверенные результаты осуществления одной и той же задачи могут существенно отличаться друг от друга по генерируемой длине. Мы представляем LangSelect, маршрутизатор с проверочными устройствами, который выбирает язык цели до поколения и отступает после первой попытки провала. Чтобы отделить возможность офлайн-путешествия от поведения между концами, мы оцениваем перепроигрывание подтверждённого раствора, которое выбирается среди уже принятых решений с корпусом, и живое поколение GPT-5, в котором заряжается каждое поколение попыток, включая ошибки и отступления. На MultiLang-Bench, 3 000 задач и 8 языковый проверенный корпус, репликация показывает значительную зал с лингвистическим уклоном. При оценке в режиме реального времени 450 задач, связанных с удержанием, эвристический фон на участке домена поезда сокращает бронежилеты-прикладные жетоны, которые включают обертку и верхние точки, на 50,3% при 92,9%…
LangSelect: Ориентированная на затраты задача - Razuage Routing для генерации кода LLM
arXiv: 2609.18959v1 Annuales Type: New Habriatory: LLM системы генерации кодов обычно выбирают язык целевого программирования перед декодированием и рассматривают этот выбор как фиксированный. Мы показываем, что для выполнения задач в области программирования с применением гибкого языка -- задач, когда несколько целевых языков являются приемлемыми и поддаются проверке при помощи одних и тех же тестов, -- этот выбор является поддающимся измерению рычагом затрат: проверенные результаты осуществления одной и той же задачи могут существенно отличаться друг от друга по генерируемой длине. Мы представляем LangSelect, маршрутизатор с проверочными устройствами, который выбирает язык цели до поколения и отступает после первой попытки провала. Чтобы отделить возможность офлайн-путешествия от поведения между концами, мы оцениваем перепроигрывание подтверждённого раствора, которое выбирается среди уже принятых решений с корпусом, и живое поколение GPT-5, в котором заряжается каждое поколение попыток, включая ошибки и отступления. На MultiLang-Bench, 3 000 задач и 8 языковый проверенный корпус, репликация показывает значительную зал с лингвистическим уклоном. В ходе оценки в прямом эфире 450 человек