ConCodeEval: Evaluating Large Language Models for Code Constraints in Domain-Specific Languages

要約

最近の研究では、大規模な言語モデル（LLM）が、ゼロおよび少数のショット設定でのさまざまなテキスト生成タスクの自然言語の制約を理解するのに苦労していることを示しています。
一方、コードド​​メインでは、企業のシステムレベルプログラミングタスクに広く使用されているJSONやYAMLなどのドメイン固有の言語（DSL）で記述されたコードの整合性を維持するために、コード形式で制約の幅広い使用法があります。
LLMがシステムレベルのコードタスクにますます使用されていることを考えると、これらのコードの制約を理解できるかどうかを評価することが重要です。
ただし、コードの制約を介した制御性を評価する作業は行われていません。
したがって、5つの表現にわたってコード制約のための2つの新しいタスクを備えた最初の属性ベンチマークであるConcodeevalを紹介します。
私たちの調査結果は、言語モデルがコードの制約に苦しんでいることを示唆しています。
通常のコードタスクに対して優れたパフォーマンスを発揮するコード言語は、同じ言語がきめ細かい制約を表す場合、うまく機能しません。

要約(オリジナル)

Recent work shows Large Language Models (LLMs) struggle to understand natural language constraints for various text generation tasks in zero- and few-shot settings. While, in the code domain, there is wide usage of constraints in code format to maintain the integrity of code written in Domain-Specific Languages (DSLs) like JSON and YAML which are widely used for system-level programming tasks in enterprises. Given that LLMs are increasingly used for system-level code tasks, evaluating if they can comprehend these code constraints is crucial. However, no work has been done to evaluate their controllability over code constraints. Hence, we introduce ConCodeEval, a first-of-its-kind benchmark having two novel tasks for code constraints across five representations. Our findings suggest that language models struggle with code constraints. Code languages that perform excellently for normal code tasks do not perform well when the same languages represent fine-grained constraints.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google