微软公司的一种新工具Jigsaw已经发行,以提高巨大语言模型的效率。“前培训语言模式(例如,GPT-3、Codex等)”它可以配置为根据程序员的自然语言指令创建代码 。这种自动化模式有可能提高地球上每个程序员的生产力;然而,必须正确地加以实施。由于使用这些模型可能难以解释这一过程的语义,因此,无法保证所生产的代码的质量。我不知道我该怎么办。
根据介绍，Jigsaw利用后处理技术更好地掌握该工艺的语法和语义学。该工具意在以多种方式输入Python Pandas API的综合代码,然后用户反馈用于提高未来的绩效。熊猫是一种流行的数据科学API。有数百个功能用于用行和列来操纵表格或表格。
据微软公司称,他们的经验证明,随着这些大语言模型成熟成预期合成编码,吉锯公司在加强系统正确性方面可以发挥重要作用。
OpenAI Codex和其他大型语言模式正在改变编程领域。作为软件工程师 完成编程工作,该视频的英文版可用于描述预期的碎片。Codex 可以用 Python 和 JavaScript 等语言生成预期代码 。然而,所产生的代码可能不正确。它可以想象它不会建造或运行。Codex 用户有义务在使用该代码之前对其进行评估。Jigsaw小组解释说:Jigsaw 工程允许您一些审查将自动化。提高开发商的效率,他们使用大语言模型进行代码合成,如代码编码。
微软 Jigsaw 认为可以“完全自动化”以确保代码在创建开发者希望出口的内容的整个过程中得到构建、处理和测试。Jigsaw将预期代码和I/O样本的英文描述作为输入。通过这种方式，它将输入相关的产出配对,并确保质量。也就是说,输出的 Python 代码将使用所提供的输入来构建, 并产生预期输出 。
Jigsaw:大语言模型在其ICSE 2022论文中遇到了Proram合成。微软使用 Python Pandas 测试了这个策略 。这个故事是我们对2011年埃及抗议的特别报导的一部分。用户可以提供所需的转换、输入数据框架和输出数据框架的英文说明,供他们使用。允许 Jigsaw 生成预期代码 。
Jigsaw可获得英文,并根据上下文进行预处理。创建可用于喂养巨大语言模型的投入。微软在实验中发现，Jigsaw在30%的时间里可以产生预期的结果。如果代码失败，因此,恢复程序从后处理步骤开始。
在后处理过程中，Jigsaw对代码做了三次修改,以修复它。在GPT-3和Codex中他们看到的故障模式驱使了所有这些修改。GPT-3 和 Codex 都以同样的方式失败了因此,吉格索对这些不成功的模型进行后处理对双方都有利。
微软在各种数据集中测试了码克斯和吉格索(与码克斯一起测试)。并测量了准确率。密码提供了开箱准确度的30%左右。由于客户的投入,Jigsaw将其精确率提高到60%以上。精确率可提高到80%以上。接下来，他们将继续努力改进吉格锯。已经试图将Python Pandas API的经验扩大到其他API和语言;它在通过自动化提高程序员的生产率方面发挥了关键作用。
可在官方博客https://ww.unep.org/en-us/research/blog/jigsaw-fixes-buggs-in-manger-frap-software/com/en-us/research/blog/jigsaw-fixes-buggs-in-manger-fix-foseware/com/en-us/research/blog/jigsaw-fixes-buggs-in-mang-frap-software/
END