Code to Think, Think to Code: A Survey on Code-Enhanced Reasoning and Reasoning-Driven Code Intelligence in LLMs

要約

大規模な言語モデル（LLMS）では、コードと推論が互いに強化されます。コードは、推論をサポートする抽象、モジュール式、ロジック駆動型の構造を提供します。一方、推論は、高レベルの目標を、より高度なコードインテリジェンスを促進するより小さな実行可能なステップに変換します。
この研究では、コードが推論を強化するための構造化された媒体としてどのように機能するかを調べます。検証可能な実行パスを提供し、論理的な分解を実施し、ランタイム検証を可能にします。
また、推論の改善がコードインテリジェンスを基本的な完了から高度な機能に変換し、モデルが計画とデバッグを通じて複雑なソフトウェアエンジニアリングタスクに対処できるようにする方法を探ります。
最後に、私たちは重要な課題を特定し、この相乗効果を強化するために将来の研究の方向性を提案し、最終的に両方の分野でのLLMのパフォーマンスを改善します。

要約(オリジナル)

In large language models (LLMs), code and reasoning reinforce each other: code offers an abstract, modular, and logic-driven structure that supports reasoning, while reasoning translates high-level goals into smaller, executable steps that drive more advanced code intelligence. In this study, we examine how code serves as a structured medium for enhancing reasoning: it provides verifiable execution paths, enforces logical decomposition, and enables runtime validation. We also explore how improvements in reasoning have transformed code intelligence from basic completion to advanced capabilities, enabling models to address complex software engineering tasks through planning and debugging. Finally, we identify key challenges and propose future research directions to strengthen this synergy, ultimately improving LLM’s performance in both areas.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google