コードの複雑さとLLMの推論能力：データ中心のアプローチによる分析

要約

大規模言語モデル（LLM）の推論能力向上におけるコード学習の影響を調査した研究である。コードを一般的な学習信号として扱うのではなく、その構造的複雑さに着目し、制御フローや構成構造が推論能力に与える影響を分析した。実験の結果、特定の複雑さの範囲にデータを絞ることで、多様なコードで学習するよりも高い性能が得られることが示された。

全文は有料プランで閲覧できます。