StoryCoder：LLMによるコード生成における構造化された推論のための物語的再定式化
arXiv cs.CL / 2026/4/17
📰 ニュースDeveloper Stack & InfrastructureTools & Practical UsageModels & Research
要点
- StoryCoderは、推論手順への付加や思考への特定構造の注入ではなく、LLMのコード生成プロンプトを「散らばった条件」からではなく「首尾一貫した自然言語の物語」に書き換えて構造化する枠組みです。
- それぞれの物語は、選択したアルゴリズムとジャンルに応じて、タスク概要・制約・例となるテストケースの3要素で構成され、単なる言い換えよりも豊かな問題表現を提供します。
- HumanEval、LiveCodeBench、CodeForcesで11モデルを対象に検証した結果、精度が一貫して向上し、ゼロショットのpass@10が平均+18.7%改善しました。
- 正解率だけでなく、正しいアルゴリズム戦略への誘導、実装ミスの低減、よりモジュール化されたコード構造の獲得にも効果があることが分析で示されています。
- 効果は物語の首尾一貫性とジャンルの適合に依存しており、モデル規模やアーキテクチャにかかわらず、コード生成には構造化された問題表現が重要であることを示唆しています。
