研究问题
人类编程会执行、观察错误并修改代码;静态指令到代码评测遗漏了这个闭环。InterCode 将交互编程包装为标准环境。
方法与评价对象
代码是动作,执行结果是观察。论文使用自包含 Docker 环境,在 Bash、SQL、Python 等动作空间中从已有静态任务构造交互环境,并比较 ReAct、Plan & Solve 等方式。
对本库的用途
适合检查“读到错误后如何改变下一步”,以及修复是否引入新的状态问题。若转换成图任务,应明确节点是程序步骤、资源还是状态断言,避免把执行顺序简单命名为因果图。
局限
语言与任务接口可扩展不等于所有任务都具有相同可回滚性。SQL 写操作、文件改动和纯计算的恢复成本不同;比较时应分组而不是只给一个平均恢复率。
关联阅读
原始来源与阅读范围
Yang et al. / arXiv · 2023-06-26。本轮范围:元数据与摘要核验;采集日期:2026-11-16。来源陈述与本库提出的实验设想在正文中分别说明。