EPiC: Cost-effective Search-based Prompt Engineering of LLMs for Code Generation

大型语言模型（LLMs）在各种软件开发任务中的应用越来越多，尤其是在代码生成方面。最近的最先进方法尝试将代码执行的反馈信息纳入提示中，以帮助指导LLMs在迭代过程中生成正确的代码。虽然这些方法很有效，但由于与LLM的大量交互和广泛的令牌使用，可能会很昂贵和耗时。为解决这个问题，我们提出了一种名为“用于代码的进化提示工程”（EPiC）的替代方法，它利用轻量级进化算法来演化原始提示，以产生高质量的代码，与LLM的交互最小。我们针对最先进的基于LLM的代码生成模型进行评估，结果表明EPiC在成本效益方面优于所有基线模型。

EPiC试图通过使用轻量级进化算法来优化代码生成的提示，以提高生成高质量代码的效率和成本效益。

EPiC使用进化算法来自动优化代码生成的提示，从而减少与LLM的交互次数，提高成本效益。

EPiC在与当前最先进的LLM模型的比较中表现出色，证明了它的成本效益。实验使用了多个数据集，并且公开了代码。

最近的相关研究包括：1）使用LLM进行代码生成；2）使用进化算法进行代码优化。