Новая статья от Amazon: улучшение моделей для предложения кода.

 Outperforming Existing Models with Multi-Pass Refinement: This AI Paper from Amazon Unveils a New Era in Code Suggestion Tools

“`html

Решение проблемы автоматического завершения кода

Разработка систем автоматического завершения кода в реальном времени сталкивается с проблемой обработки неполного кода с потенциальными ошибками. Неполные фрагменты кода часто содержат ошибки, требуя точного завершения, которое также исправляет встроенные ошибки для улучшения надежности и эффективности инструментов программирования, основанных на ИИ.

Актуальные подходы к завершению кода

Существующие подходы к завершению кода генерируют код на основе заданного префикса или описания проблемы, но сталкиваются с неполным кодом, содержащим потенциальные ошибки. Предыдущие методики, такие как “завершение кода с ошибками”, часто приводят к нерабочим результатам из-за неспособности эффективно исправлять ошибки. Модели, такие как CodeGen и InCoder, обычно полагаются на прямолинейные стратегии завершения, которые не учитывают сложности отладки и исправления кода.

Новый подход к завершению кода

Исследователи из Amazon и Университета Оксфорда предлагают новый подход, который настраивает модели языковых моделей кода (CodeLLMs) для одновременного переписывания и завершения неполного кода. Этот метод обрабатывает неполный код как “подсказки реализации”, позволяя модели генерировать правильное и функциональное завершение. Инновация заключается в применении двух стратегий: генерация за один проход и многопроходное итеративное уточнение.

Практическое применение

Эксперименты показывают, что настроенные модели постоянно превосходят базовые методы в генерации функционального кода из ошибочных префиксов. Многопроходная итеративная стратегия оказывается особенно эффективной, достигая более высокой точности по различным метрикам производительности. Эти модели демонстрируют значительное улучшение в обработке неполного кода с потенциальными ошибками, предлагая более надежные и точные завершения кода по сравнению с предыдущими подходами.

Заключение

Предложенный метод значительно продвигает область автоматического завершения кода на основе ИИ, позволяя моделям CodeLLMs одновременно переписывать и завершать неполный код с потенциальными ошибками. Это улучшение обещает сделать помощников по программированию на основе ИИ более надежными и эффективными, особенно в работе с реальным кодом в процессе разработки.

“`

Мобильная разработка на заказ и готовые решения

Мобильная разработка

Готовые и индивидуальные решения

Веб решения - разработка сайтов и сервисов

Web решения

Получите бесплатную консультацию по веб-разработке прямо сейчас

Аутсорсинг, подбор специалистов и команд разработки

Аутсорсинг

Выберите своего специалиста сегодня и начните свой проект