文章主题:ChatGPT, 代码生成, AI 准确率, EvalPlus

666AI工具大全,助力做AI时代先行者!

用 ChatGPT 写代码,已经是不少程序员的常规操作了。

” 至少提速 3~5 倍 “

但你有没有想过,ChatGPT 生成的代码,有不少只是 ” 看起来准确 ” 而已?

来自伊利诺伊大学香槟分校和南京大学的一项最新研究表明:

ChatGPT 和 GPT-4 生成代码的准确率,比之前评估的至少要降低 13%

有网友感叹,太多 ML 论文都在用一些有问题或有局限性的基准来评估模型,来短暂地达到 “SOTA”,结果换个测评方法就现出原形了。还有网友表示,这也说明大模型生成的代码仍然需要人工监督,”AI 写代码的黄金时间还没到呢 “。所以,论文提出了一种怎样的新测评方法?

给 AI 代码考题加大难度

这个新方法名叫EvalPlus,是一个自动化代码评估框架。

具体来说,它会通过改进现有评估数据集的输入多样性问题描述准确性,来将这些评估基准变得更严格

一方面是输入多样性。EvalPlus 会先根据标准答案,用 ChatGPT 生成一些种子输入样例(虽然要测 ChatGPT 的编程能力,但用它生成种子输入似乎也不矛盾 doge)

随后,用 EvalPlus 改进这些种子输入,将它们改得更难、更复杂、更刁钻。

另一方面是问题描述准确性。EvalPlus 会将代码需求描述改得更精确,在约束输入条件的同时,补充自然语言问题描述,以提高对模型输出的精确度要求。

这里,论文选择了 HUMANEVAL 数据集作为示范。

HUMANEVAL 是由 OpenAI 和 Anthropic AI 联手打造的一个代码数据集,其中包含了 164 个独具匠心的编程问题,涵盖了语言理解、算法、数学以及软件面试等多种类型。这个数据集的制定旨在为人工智能领域提供一份丰富多样的练习素材,以便于研究人员和开发者在相关领域进行更深入的学习和研究。

EvalPlus 致力于优化数据集的输入类型与功能描述,从而使编程问题显得更加明确,并且测试输入更具挑战性或难度更高。

以一道求交集的编程题目为例,该题目要求AI编写一段程序,寻找两个数据列表中的共同元素,并对这些元素进行排序。

EvalPlus 用它来测测 ChatGPT 写的代码准确度。

在初步测试阶段,我们通过简单的输入来验证ChatGPT是否能正确地回答问题。然而,当我们采用不同的输入时,发现了ChatGPT版本代码中存在的一个缺陷。这表明ChatGPT并非完美无缺,仍然存在需要改进的地方。

属实是给 AI 们加大了考题难度。基于这套方法,EvalPlus 还做了一个改进版 HUMANEVAL 数据集,增加输入的同时,修正了一些 HUMANEVAL 里面答案就有问题的编程题。那么,在这套 ” 新考题 ” 下,大语言模型们的准确率实际上要打几折?

LLM 代码准确率平均降低 15%

作者们测试了当前比较受欢迎的 10 种代码生成 AI。

GPT-4、ChatGPT、CODEGEN、VICUNA、SANTACODER、INCODER、GPT-J、GPT-NEO、PolyCoder以及StableLM-α are some of the most prominent natural language processing (NLP) tools and models currently available.

从表格中来看,经过严格测试后,这群 AI 的生成准确率都有所下降:

这里会通过一种名叫 pass@k 的方法评估准确率,其中 k 是允许大模型给问题生成的程序数量,n 是用于测试的输入数量,c 是正确的输入数量:根据新的这套评估标准,大模型们的准确率平均下降了 15%,其中比较广泛研究的 CODEGEN-16B 更是下降了超过 18%

至于 ChatGPT 和 GPT-4 生成代码的性能,也下降了至少 13%。

然而,一些网友持有不同的观点,他们认为大模型生成的代码效果并不理想,已经成为了一个普遍现象。因此,我们需要深入探讨的原因,以便解决这一问题。

作者介绍

共同一作 Jiawei Liu,伊利诺伊大学香槟分校二年级博士生,研究兴趣是编程系统和深度学习。

Chunqiu Steven Xia是一位来自伊利诺伊大学香槟分校的二年级博士生,他曾就读于多伦多大学,并主修机器学习和软件工程等领域的交叉学科。

王宇峣,一名来自南京大学的计算机科学专业大三学生,他对计算机系统的研究领域主要集中在系统的准确性、可编程性以及性能方面。

Lingming Zhang,伊利诺伊大学香槟分校副教授,研究方向是软件工程及其与机器学习、编程语言和形式化方法(Formal Methods)的协同作用。

论文地址:

https://arxiv.org/abs/2305.01210

代码地址:

https://github.com/evalplus/evalplus

ChatGPT生成的代码:精准度存疑

AI时代,拥有个人微信机器人AI助手!AI时代不落人后!

免费ChatGPT问答,办公、写作、生活好得力助手!

搜索微信号AIGC666aigc999或上边扫码,即可拥有个人AI助手!