Apr, 2024

AI编码人员华丽登场：重新思考编程语言语法以实现高效代码生成

HTML
PDF
TL;DR为了提高推理效率和减少计算成本，我们提出了人工智能导向的语法的概念，通过改进现有编程语言的语法和规则，使得AI模型更适合理解和使用代码。我们通过创建名为Simple Python（SimPy）的人工智能导向的Python语法来验证这一概念的可行性，并且与原始Python相比，SimPy在代码标记使用上减少了13.5%和10.4%的数量，并且在性能方面取得了相当甚至更好的效果。
发现论文，激发创造
  • Python 函数和文档字符串的平行语料库，用于自动化代码文档和代码生成

    本论文介绍了一个由十万个 Python 函数及其文档字符串（docstrings）组成的大型多样并行语料库，用于自然语言生成代码和代码文档生成任务的基线结果是经过神经机器翻译获得的。

    Jul, 2017

  • 使用大型语言模型自动生成编程练习和代码解释

    本文研究了利用大型语言模型进行自然语言生成的能力，并应用于编程课程中常见的两种学习资源的制作。研究发现，在创建编程练习时，只需要输入关键词，即可显著影响编程概念和上下文主题的内容，同时也证明了大多数自动生成的内容是全新且合理的。这些结果表明，使用大型生成机器学习模型作为教学工具是有重要价值的，但在交付给学生之前需要一些监督来确保生成的内容质量。文章还探讨了OpenAI Codex及类似工具对初学者编程教育的影响，并强调了可能改善教学体验的未来研究方向。

    Jun, 2022

  • 使用人工智能编程是什么体验？

    本文探讨了使用大型语言模型进行编程的相似之处和不同之处，认为LLM-assisted编程应该被视为一种具有自己独特属性和挑战的新编程方式，并讨论了在将大型语言模型应用于非专业用户编程时可能出现的问题和研究挑战。

    Aug, 2022

  • 交互式数据科学笔记本中的自然语言代码生成

    本研究构建了一个考核数据科学笔记本中 Pandas 数据分析框架的代码生成问题集 ARCADE，并开发了一个 Python 计算笔记本的代码语言模型 PaChiNCo，该模型可以通过少量提示生成更好的代码，提高了模型预测的多样性和可解释性。

    Dec, 2022

  • 测试在不同级别的提示特异性下进行的代码生成的LLMs

    评估了各种LLM在生成Python代码方面的性能，揭示了创建准确的Python函数的理想提示策略。

    Nov, 2023

  • 如果LLM是巫师，那么代码就是魔棒：关于代码如何赋予大语言模型作为智能代理的调查

    通过将代码集成到大型语言模型的训练数据中，可以提高语言模型的代码生成能力、推理能力以及生成结构化和精确的中间步骤，并将其转化为智能代理在复杂自然语言任务中的应用。

    Jan, 2024

  • 使用上下文无关文法自动生成Python程序

    近年来，数据作为新的黄金崛起，成为创建智能系统的强大工具。我们开发了TinyPy Generator，这是一个使用上下文无关文法生成随机Python程序的工具。生成的程序通过构建保证正确。我们的工具可以轻松地大规模生成Python代码，对机器学习和编程语言研究特别有用。我们的实现是开源的，可以根据用户需求进行定制，并扩展到其他语言的潜在使用。

    Mar, 2024

  • 低成本语言模型：Python代码生成的调研及性能评估

    我们研究了大型语言模型在生成Python代码方面的优势和劣势，并提出了一种引导模型解决问题的思维链条提示，同时还提供了一个由60个不同难度级别的编程问题组成的数据集进行评估。

    Apr, 2024

  • AICoderEval: 大型语言模型的AI领域代码生成改进

    自动代码生成，面向真实世界任务的AICoderEval数据集评估了大型语言模型的任务特定代码生成能力，并提出了基于代理机制的框架CoderGen，通过增强模型和构建AICoderEval提高了LLMs的任务特定代码生成能力，AICoder在效果上表现优于现有的代码生成LLMs，证实AICoderEval基准的质量。

    Jun, 2024

  • 基于人工智能的编程在科学研究中的意义、内容与方法

    本研究针对科学研究中编程学习和实施的困难，提供了基于大型语言模型的创新性编码助理解决方案。通过分析LLMs在编码中的角色、提供的六种类型的编程辅助和五步实施策略，研究为研究人员提供了切实可行的见解，有助于提高编码实践，推动科学进步。

    Oct, 2024