StoryCoder：面向大语言模型代码生成中结构化推理的叙事重构

有效的代码生成既需要模型能力，也需要能结构化模型推理与规划的问题表示。现有方法虽增强了推理步骤，却未整合分散的问题条件。受人类将碎片信息组织为连贯解释的启发，本文提出 StoryCoder，一种叙事重构框架，将代码生成问题转化为包含任务概述、约束及测试用例的连贯自然语言叙事。在多个基准上的实验表明，该方法显著提升了零样本通过率，并引导模型采用正确的算法策略，减少实现错误，生成更具模块化的代码结构。