Chatbot Arena 实验：LLM 修复错误的表现如何？

该实验利用 Keras 和 TPUs 构建 Chatbot Arena，测试 LLM 在代码生成中根据自然语言反馈修正错误的能力。实验在 TPU v5e 上同时加载 7 个模型，包括 5 个约 8B 参数和 3 个约 2B 参数的大语言模型。结果显示，LLM 能否有效修复错误取决于其推理可靠性。