RoutingGen: Dynamisches Routing für effiziente Codegenerierung

Ein neues arXiv‑Veröffentlichung (2512.14048v1) präsentiert RoutingGen, ein innovatives Framework, das die Art und Weise, wie große Sprachmodelle (LLMs) Code generieren, grundlegend verbessert. Während klassische Chain‑of‑Thought‑Prompting‑Methoden die Modell‑Logik durch Zwischenschritte stärken, führen sie bei einfachen Aufgaben häufig zu unnötigem „Overthinking“ und vernachlässigen die eigentliche Absicht des Codes, wie z. B. die Kernalgorithmik und deren Zeitkomplexität.

RoutingGen löst diese Probleme mit einem dynamischen Routenmechanismus: Für unkomplizierte Aufgaben greift es auf Few‑Shot‑Prompting zurück, während bei komplexeren Problemen ein strukturierter Ansatz namens Intention Chain‑of‑Thought (ICoT) aktiviert wird. ICoT führt das Modell gezielt durch die Absicht des Problems, sodass die generierten Programme nicht nur syntaktisch korrekt, sondern auch algorithmisch sinnvoll und effizient sind.

Die Experimente erstrecken sich über drei unterschiedliche Modelle und sechs Standard‑Benchmarks für Codegenerierung. RoutingGen erzielt in den meisten Szenarien einen neuen Stand der Technik und reduziert gleichzeitig den Token‑Verbrauch im Durchschnitt um beeindruckende 46,37 %. Darüber hinaus übertrifft ICoT sechs etablierte Prompting‑Baselines auf den anspruchsvollsten Tests.