MapCoder：コンペティティブな問題解決のためのマルチエージェントコード生成

コード合成は、複雑な自然言語による問題記述の深い理解、複雑なアルゴリズムおよびデータ構造に対するコード命令の生成、そして包括的なユニットテストの正常実行を要するため、大きな課題を呈している。大規模言語モデル（LLM）は自然言語処理において優れた性能を発揮するが、コード生成タスクにおけるその実行能力は依然として限界がある。本論文では、人間の開発者が実施するプログラム合成の全プロセスを独自に再現するマルチエージェント・プロンプティングを活用した新たなコード生成アプローチを提案する。本研究で開発したフレームワーク「MapCoder」は、関連する例の想起、計画立案、コード生成、デバッグという4つの段階を模倣するように設計されたLLMエージェントから構成される。8つの挑戦的な競技プログラミングおよびプログラム合成ベンチマークにおいて、複数のLLMのアブレーション実験および詳細な分析を実施した結果、MapCoderは顕著なコード生成能力を示し、HumanEval（93.9%）、MBPP（83.1%）、APPS（22.0%）、CodeContests（28.5%）、xCodeEval（45.3%）において、それぞれ新たなSOTA（pass@1）を達成した。さらに、本手法は異なるプログラミング言語および問題の難易度にかかわらず、一貫して優れた性能を発揮する。本フレームワークはGitHubにてオープンソースとして公開されている：https://github.com/Md-Ashraful-Pramanik/MapCoder。