跳到正文
热点事件持续更新

Poison Valleys：诊断LLM代码修复中的路径依赖失败

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

论文作者 Veljko Skarich 在 arXiv 发布 Poison Valleys 方法，用于诊断大语言模型代码修复中由早期错误承诺导致的路径依赖失败，追踪误解如何沿修复路径演变为失败。 方法在两个合成 Python 案例（PersistQueue 和 Dijkstra）上进行了 1,844 次模型请求的追踪，分析误解、代码机制与失败形式之间的关系。作者称，在匹配实验配比后，将误解从假设阶段移到计划阶段使失败率分别上升 32.2% 和 28.9%。

AI 根据报道生成 · 4 小时前更新

最新进展10月16日 12:00
Poison Valleys：诊断大语言模型代码修复中的路径依赖失败

报道时间线

沿着报道，了解事件的不同侧面。

10月16日
  1. arXiv · cs.AI
    Poison Valleys：诊断大语言模型代码修复中的路径依赖失败

    研究团队提出 Poison Valleys，用于诊断大语言模型代码修复中由早期错误承诺导致的路径依赖失败，并在两个合成 Python 案例的1,844次模型请求中追踪误解、代码机制与失败形式之间的关系。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月16日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。