【技术实现步骤摘要】
本专利技术涉及计算机，特别是涉及一种代码生成方法、装置、电子设备及存储介质。
技术介绍
1、上下文学习（in-context learning，icl）是指大规模语言模型（llms）仅通过观察上下文中的输入输出示例语句（shots）来理解并生成对应的答案作为输出，而无需预先的训练。答案的准确程度依赖于提示词（prompts）的设计，当提示词能够提供足够的信息和示例，模型就能够通过对示例的学习从而理解任务并生成准确的输出。在涉及到垂直领域的编程任务时，大规模语言模型需要输出对应的编程结果，例如，涉及到复杂数学问题的函数编程，其需要输出编程结果，但由于函数本身具有深层次的复杂逻辑，大规模语言模型很难基于示例学习到足以生成准确的代码作为输出。
技术实现思路
1、本专利技术实施例的目的在于提供一种代码生成方法、装置、电子设备及存储介质，以实现提高大规模语言模型生成代码的准确性。具体技术方案如下：
2、第一方面，本专利技术实施例提供了一种代码生成方法，包括：
3、获取基础函数...
【技术保护点】
1.一种代码生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将第一提示词及所述基础函数库输入至大规模语言模型中，生成用于解决所述目标数学领域中问题的扩展函数库，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述扩展函数库及第二提示词输入至所述大规模语言模型中，以使得所述大规模语言模型在用户输入所述目标数学领域中的目标问题的情况下，输出用于解决所述目标问题的目标代码，包括：
4.根据权利要求3所述的方法，其特征在于，所述封装所述扩展函数库，得到接口文档，并生成与所述接口文档对应的第二提示词，包括：
5.一...
【技术特征摘要】
1.一种代码生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将第一提示词及所述基础函数库输入至大规模语言模型中，生成用于解决所述目标数学领域中问题的扩展函数库，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述扩展函数库及第二提示词输入至所述大规模语言模型中，以使得所述大规模语言模型在用户输入所述目标数学领域中的目标问题的情况下，输出用于解决所述目标问题的目标代码，包括：
4.根据权利要求3所述的方法，其特征在于，所述封装所述扩展函数库，得到接口文档，并生成与所述接口文档对应的第二提示词，包括：
5....
【专利技术属性】
技术研发人员：冯乔羽，李泽辉，高金婵，岳秀，
申请(专利权)人：蚂蚁云科技集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。