HERO：基于执行证据优化程序生成

Mingyu Lu 等人提出 HERO 方法，把离线提示词优化与测试时精修结合，用于提升大模型程序生成能力。据该论文，离线阶段从执行验证的成功与失败中学习可复用的提示词更新，候选修订在采纳前先经验证；测试时则把生成代码当作实例级 harness，用执行反馈继续精修。 在 SQL、Cypher、Python 四个基准上，HERO 取得最佳离线表现：pass@1 较初始提示词提升 7.6 分；测试时精修在此基础上再带来 2.0 分提升，并改善执行效率。上述结果来自论文报告。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。