Case2Code：合成数据助力大模型归纳推理飞跃
复旦大学发起的Case2Code项目通过合成数据训练，显著提升了大模型在代码领域的归纳推理能力。使用1.3M合成数据集，7B小模型在评估集上的准确率提升高达18.9%，甚至超越LLaMA3-70B和GPT-3.5，接近GPT-4水平。实验展示了Case2Code合成数据的有效性和泛化能力，能显著提升大规模模型的归纳推理和整体编码能力。来源：https://mp.weixin.qq.com/s/ndc4a8uKTlvJgUWtPkKXgg
页:
[1]