PennyCoder:专为PennyLane量子代码生成设计的高效领域特定大语言模型
当前市场对健壮量子编程框架日益增长的需求揭示了一个关键瓶颈:现有基于大语言模型(LLM)的量子代码助手高度依赖远程API接口,存在隐私泄露、延迟过高和超额使用成本等痛点。为此,该研究团队提出PennyCoder——一种专为本地及嵌入式部署设计的新型轻量级量子代码生成框架,无需依赖外部API即可实现设备端量子编程辅助。该框架采用经过参数高效低秩自适应(LoRA)技术微调的LLaMA 3.1-8B模型,并结合针对PennyLane量子编程专用语法与计算逻辑(包含量子机器学习和量子强化学习任务)的领域指令调优。不同于以往聚焦云端量子代码生成的研究,该工作强调设备原生可操作性,同时保持模型高效性。研究人员在综合性量子编程数据集上严格测试表明:微调模型达到44.3%准确率(基础LLaMA 3.1-8B为33.7%,检索增强基线为40.1%),在功能正确性方面实现显著提升。
