Может ли ИИ исправить свои ошибки? Взгляд на самоопределение логовой логовой
tech-stories ai-logo-animation logomotion automatic-logo-animator ai-for-designers ai-motion-design self-refining-code visual-programming ai-code-synthesis

Может ли ИИ исправить свои ошибки? Взгляд на самоопределение логовой логовой

17 июня 2025 г.

Аннотация и 1 введение

2 Связанная работа

2.1 Синтез программы

2.2 Инструменты поддержки творчества для анимации

2.3 Денежные инструменты для проектирования

3 Формирующие шаги

4 Система логовой и 4.1 вход

4.2 Предварительная визуальная информация

4.3 Визуально обоснованный синтез кода

5 Оценки

5.1 Оценка: ремонт программы

5.2 Методология

5.3 Выводы

6 Оценка с новичками

7 Обсуждение и 7.1. Отрываны от шаблонов

7.2 Создание кода вокруг визуальных эффектов

7.3 Ограничения

8 Заключение и ссылки

5.1 Оценка: ремонт программы

Затем мы провели оценку, специально сосредоточенную вокруг визуально обоснованной стадии восстановления программы, чтобы методично понять, каковы будут созданы логовая ошибки (RQ3) и были способны

отладки (RQ4). Мы предоставляем эмпирический анализ этого этапа тестирования различных экспериментальных настроек.

5.2 Методология

68% прогонов анимации с самого начала (после синтеза программы) были без ошибок и не требовали ремонта программы. Остальные 32% потребовали этап ремонта программы. На этом этапе мы модулировали 1) гиперпараметт 𝑘 и 2), был ли предоставлен контекст изображения. 𝑘 Верхнее ограничило количество попыток, которые LLM может предпринять для решения ошибки, и было изменено от 1 до 4 попыток. Изменение 𝑘 моделируется после методологии Pass@K, предложенной Humaneval [21], где 𝑘 образцы кода генерируются в попытках решить проблему, а доля решенных задач - решающая скорость. В этом случае структура Pass@K применяется в контексте восстановления / самопозначения программы.

Авторы:

(1) Вивиан Лю, Колумбийский университет (vivian@cs.columbia.edu);

(2) Rubaiat Habib Kazi, Adobe Research (rhabib@adobe.com);

(3) Li-Yi Wei, Adobe Research (lwei@adobe.com);

(4) Мэтью Фишер, Adobe Research (matfishe@adobe.com);

(5) Тимоти Ланглуа, Adobe Research (tlangloi@adobe.com);

(6) Сет Уокер, Adobe Research (swalker@adobe.com);

(7) Лидия Чилтон, Колумбийский университет (chilton@cs.columbia.edu).

Эта статья естьДоступно на ArxivПод CC BY-NC-ND 4.0 Лицензия.

Оригинал

Recent Post

Categories

PREVIOUS ARTICLE
NEXT ARTICLE