资讯摘要
论文提出 DIO-Agent，将“从输入输出行为合成程序”（IO2Code）建模为离散程序空间上的进化搜索，由 LLM 充当变异算子，并以执行得到的错误信号引导变异。作者引入 Transformation Priority Premise 作为变异先验，使搜索优先尝试与现有证据相符的最简假设，并构建了多难度级别的 IO2CodeBench。作者报告该智能体在各难度和多种 LLM 上均优于传统程序合成方法与进化智能体基线。
要点速读
- 论文将 IO2Code 表述为离散程序空间上的进化搜索，LLM 作为变异算子，执行错误信号引导每次变异。
- 作者引入 Transformation Priority Premise 作为变异先验，从常量逐步升级到条件与迭代。
- 作者构建 IO2CodeBench，并报告 DIO-Agent 在各难度级别和多种 LLM 上优于传统程序合成方法与进化智能体基线。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/20 21:06:31（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。