AI要約 科学ワークフローのコード生成において、テストケースに依存せず教師モデルからの知識蒸留を用いる新手法を提案。実行検証が困難なドメイン固有タスクでも高品質なコード生成を実現し、従来手法を上回る性能を示した。

EN This paper proposes a distillation-driven approach for code generation in scientific workflows, eliminating the need for test cases. Knowledge distillation from teacher models enables high-quality code generation in domains where execution-based verification is impractical.