arXiv cs.AI· Ritika Rekhi, Bing Zhang, Md Arman Islam, Jaya Krishna Pasham, Yeswanth Chitturi, Akshay Paramesha, Isha Valiveti, Asif Imran, Bekir Turkkan, Tevfik Kosar·· 11 小时前AI 评分34
通过有效提示词提升 LLM 生成代码的能效
Improving the Energy-Efficiency of the Code Generated by LLMs through Effective Prompting
AI 导读
研究评估了 21 种提示策略在 10 个开源与闭源 LLM 上生成节能代码的效果，最终筛选出 8 种策略。
正文 · AI 翻译
摘要：随着 AI 辅助编程日益普及，AI 生成软件的环境影响已成为一项重要考量。这促使人们不仅从功能正确性，还从执行效率和能耗的角度来评估 LLM 生成的代码。然而，尽管代码生成取得了实质性进展，前沿 LLM 却很少根据其生成代码的能效进行评估。在本工作中，我们对 21 种用于节能代码生成的提示策略进行了全面评估，并从中选出 8 种策略，在 10 个广泛使用的开放权重和专有 LLM 上进行评估。我们评估了这些策略相对于基线提示在 Python 和 C++ 代码生成中的有效性。在所评估的模型中，选定的提示策略使 Python 代码生成的能耗最多降低 25%，C++ 代码生成最多降低 17%。在模型层面，Python 能耗降低幅度最高为 Granite-4.0-H-Small 的 50%、Claude 4.5 Haiku 的 39% 和 MiniMax M3 的 28%，而 C++ 降低幅度最高为 Granite-4.0-H-Small 的 57% 和 Qwen3-Coder-480B-A35B-Instruct 的 6.4%。这些结果表明，提示策略可以显著影响 LLM 生成代码的能耗，但其有效性因模型和编程语言而异。我们的发现凸显了将能效纳入基于 LLM 的代码生成评估与优化的重要性，并为设计更可持续的 AI 辅助编程提示提供了实用见解。
| 学科： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.02571 [cs.SE] |
| （或 arXiv:2610.02571v2 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.02571 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Ritika Rekhi [查看邮箱]
[v1]
2026 年 10 月 1 日星期四 23:05:15 UTC（1,161 KB）
[v2]
2026 年 10 月 23 日星期五 10:36:33 UTC（2,791 KB）
来源：arXiv cs.AI · arxiv.org