arXiv · NLP· Giovanni Vaccarino, Emanuele La Malfa, Dehai Min, Hanrong Zhang, Pier Luca Lanzi, Lu Cheng, Michael J. Wooldridge, Philip S. Yu, Sara Bernardini·· 8 小时前AI 评分26
DRAGO 框架如何利用确定性诊断修复 LLM 生成的形式化规格
Repairing LLM-Generated Specifications with Deterministic Diagnosis
AI 导读
提出 DRAGO 修复框架，用确定性诊断替代 LLM 诊断，将规格退化率从 11.8% 降至 1.3%。 在 SMT-LIB2、MiniZinc 和 PDDL 五个基准测试中，DRAGO 使答案准确率比零样本形式化提升 12.9 个百分点，比 LLM 诊断修复提升 8.7 个百分点。 同时修复了 Planetarium 工具中导致 50% 实例不一致的渲染缺陷，并发布了修正后的数据集。
来源：arXiv · NLP · arxiv.org