WikiEdge:ArXiv-2408.15658/questions

編輯

作者面對的是大型語言模型（Large Language Models，LLMs）在數據科學代碼生成任務中準確性和可靠性的挑戰。具體問題包括：

1. 代碼生成的不準確性和幻覺問題：由LLMs生成的代碼經常存在不準確或幻覺（hallucinations），需要外部輸入進行糾正。
2. 數據科學代碼的複雜性：數據科學代碼涉及如數據分析、模型構建、可視化和部署等探索性任務，這些任務的複雜性要求模型理解特定領域的庫（例如NumPy、Pandas、Scikit-learn）和工作流程。
3. 代碼建議的有效性：雖然LLMs可以為開發者的代碼庫提供代碼片段建議，但這些建議的有效性很大程度上取決於開發者自身，有經驗的開發者可以有效辨別和提煉這些建議，而新手程式設計師可能會遇到困難，導致潛在的誤解或不當的實現。