将代码生成的准确率提高一倍：从19%到44%的流量工程
一篇新论文的作者提出了一种“强化”代码生成的方法。代码生成是人工智能中一项日益重要的能力。它通过训练机器学习模型，根据自然语言描述自动生成计算机代码。这一技术具有广泛的应用前景，可以将软件规格转化为可用的代码，自动化后端开发，并协助人类程序员提高工作效率。然而，生成高质量代码对AI系统仍然具有挑战性，与翻译或总结等语言任务相比。代码必须准确地符合目标编程语言的语法，能够优雅地处理各种极端情况和意外输入，并精确地处理问题描述中的许多小细节。即使是其他领域看似无害的小错误也可能完全破坏程序的功能，导致编译或运
一篇新论文的作者提出了一种“强化”代码生成的方法。
代码生成是人工智能中一项日益重要的能力。它通过训练机器学习模型，根据自然语言描述自动生成计算机代码。这一技术具有广泛的应用前景，可以将软件规格转化为可用的代码，自动化后端开发，并协助人类程序员提高工作效率。
然而，生成高质量代码对AI系统仍然具有挑战性，与翻译或总结等语言任务相比。代码必须准确地符合目标编程语言的语法，能够优雅地处理各种极端情况和意外输入，并精确地处理问题描述中的许多小细节。即使是其他领域看似无害的小错误也可能完全破坏程序的功能，导致编译或运行失败。
最近，CodiumAI的研究人员提出了AlphaCodium，这是一种新方法，可以显著提升GPT-4等大型语言模型的代码生成能力。他们的观点是，仅仅微调提示的措辞在解决复杂编码问题上具有固有的限制。相反，他们设计了一个多阶段流程，专注于通过迭代生成、运行和调试代码来对照测试用例，从而使模型能够从实践中学习。
提示工程的局限性
在自然语言任务中，提示工程是指对提示的措辞和结构进行仔细调整，以引导模型生成所需的输出。例如，在输入文本前加上“写简明的摘要：”这个短语，可以使模型生成更加准确的摘要。
提示工程已被证明在做文本生成引导大语言模型行为方面非常有效。然而针对编码问题，研究人员发现，即使进行广泛的及时调整，也只能获得微小的效益。这一发现令人深思。因此，生成高质量的代码仍然需要其他解决方案：
- 精确匹配目标编程语言的语法
- 优雅地处理极端情况和意外输入
- 解决问题陈述中描述的所有小细节和需求
- 为所有的有效输入确保代码正确编译和运行
这些结构性需求超出了文本生成的范围，无法硬编码到提示中。提示本身缺乏模型学习所需的编码技巧和具体反馈。
AlphaCodium迭代流程
为了应对这些挑战，研究人员开发了一种迭代流程，专门针对代码生成问题的结构。其中的关键创新在于利用所生成代码的执行结果作为学习信号，以提供直接的反馈。
AlphaCodium的流程有两个主要阶段：
预处理
- 模型将问题描述释义为项目符号，以提取关键细节。
- 解释每个示例输入/输出背后的预期逻辑。
- 提供两三个自然语言解决方案。
- 为代码覆盖生成额外的不同测试用例。
代码迭代
- 模型生成初始代码解决方案。
- 针对公共测试用例重复运行该代码，修复出现的错误。
- 对模型生成的测试用例执行同样的事情。
- 额外的测试用例被添加到不断增大的“测试锚”（test anchor）套件中，以防止回归。
通过增量推理问题、开发解决方案假设、扩展测试覆盖，以及反复生成和调试代码，模型通过经验来学习——这正是高质量代码生成所需的技能。
图1. 具有结构化输出的提示示例（生成可能的解决方案阶段）
研究人员发现，与端到端模型相比，将流程设计为具有清晰接口和目标的模块可以获得更好的结果。每个阶段首先专注于更简单的子任务，以积累知识，并发掘为下游阶段提供依据的洞察力。像测试生成这样的上游阶段不需要完整的解决方案，只需要基本的推理。
实验结果
研究人员依据CodeContests衡量基准对AlphaCodium进行了评估，该衡量基准包含来自竞争性编程比赛的数百个编码问题。
图2. 问题描述和反思——一个典型的CodeContests问题的例子，基于人工智能对问题进行自我反思。虽然最初的描述冗长而复杂，但适当的自我反思可以使问题更清晰、更连贯，从而改进代码解决方案
针对GPT-4模型，与经过大量优化的单个提示相比，AlphaCodium将验证集上的代码生成准确率从19%提高到了44%。面对不同的模型大小和测试集，这个好处依然适用，与单独的提示工程相比收效显著。
AlphaCodium的性能也显著优于之前发布的方法，比如AlphaCode和CodeChain，同时使用更少的计算资源。比如说，它通过避免不必要的蛮力生成，其准确性可以媲美AlphaCode，而模型查询少10000倍。
这些结果证明了围绕任务结构整体设计AI系统的价值，而不是将其视为通用文本生成器。通过合并迭代代码运行和调试，AlphaCodium更好地将训练过程与生成健壮实用代码的最终目标结合起来。
更广泛的影响
虽然针对竞争性编程问题进行了演示，但AlphaCodium中使用的概念为AI推进代码生成提供了更广泛的适用经验：
- 单单提示工程对于处理复杂的代码任务具有局限性。具体解决问题的经验至关重要。
- 基于测试的开发规范可以为模型训练提供依据。测试提供了明确的适应度函数。
- 迭代代码调试将模型改进的重点放在实际发生的错误上。
- 测试覆盖扩展突出了提示中不可见的泛化性差距。
- 具有双重验证的软决策减少了脆弱性和偏差。
AlphaCodium为基于软件工程最佳实践的代码生成提供了一种大有前途的新范式。关于泛化性和计算开销仍然存在有待商榷的研究问题。但这里展示的原则（从经验中学习、测试驱动开发、模块化推理和迭代式调试）似乎为提高AI的编码能力提供了坚实的基础。
论文链接：https://arxiv.org/pdf/2401.08500.pdf。
代码库：https://github.com/Codium-ai/AlphaCodium。
原文标题："Flow engineering" doubles code generation accuracy (19% vs 44%)，作者：Mike Young
链接：https://notes.aimodels.fyi/flow-engineering-intensifies-for-code-generation/。
Postman是一套面向API全生命周期的开发与测试平台，可在Mac上发送和调试多种协议请求，管理集合、环境及认证信息，并完成脚本测试、模拟服务、监控、文档发布和团队协作。它适合开发、测试及运维人员使用，提供个人免费方案。
Docker Desktop 是 Docker 官方为 Mac 提供的容器开发环境，集成 Docker Engine、命令行工具、Compose、Build、Kubernetes 与图形化管理界面。
Android Studio 是 Google 面向安卓应用开发提供的官方集成开发环境，基于 IntelliJ IDEA 构建。它整合智能代码编辑、Gradle 构建、界面预览、设备模拟、性能分析、调试测试及 APK 分析等工具。
Xcode 是苹果面向 Mac 提供的官方集成开发环境，将代码编辑、项目构建、SwiftUI 实时预览、设备模拟、自动化测试、断点调试、性能分析和应用分发整合在同一套工作流中，适合开发与维护 iPhone、iPad、Mac、Apple Wa
JetBrains WebStorm 是面向 JavaScript、TypeScript 和现代 Web 技术的专业集成开发环境，可智能理解项目结构，提供代码补全、重构、错误检查、运行调试、测试及 Git 工具。
PhpStorm 是 JetBrains 推出的专业 PHP 集成开发环境，可在 Mac 上完成代码编写、智能检查、重构、调试、测试和数据库管理。它支持主流 PHP 框架、Composer、Git、Docker 与远程解释器。
JetBrains PyCharm 是面向 Python 开发者的集成开发环境，提供智能补全、代码检查、重构、调试、测试、版本控制及虚拟环境管理功能。Mac 版兼容 Intel 与 Apple 芯片，核心功能可免费使用。
IntelliJ IDEA 是 JetBrains 推出的专业集成开发环境，重点服务于 Java、Kotlin 与 JVM 项目开发。软件集成代码补全、静态检查、重构、调试、测试、版本控制及构建工具，并可借助插件扩展语言和框架支持。
Visual Studio Code 是微软提供的免费代码编辑器，支持 macOS，并为 Intel 与 Apple 芯片 Mac 提供适配版本。软件集代码编辑、调试、Git 源代码管理、集成终端和扩展市场于一体。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Pro Tools 是 Avid 推出的专业数字音频工作站，覆盖多轨录音、无损剪辑、MIDI 编曲、插件处理、自动化混音及声音与画面同步等工作。它拥有 Intro、Artist、Studio 和 Ultimate 等方案。
Postman 是面向 API 全生命周期的开发与协作平台。Windows 桌面版可用于构建和发送 HTTP、GraphQL、gRPC、WebSocket、MQTT 等请求，并提供环境变量、集合、脚本测试、模拟服务、监控、文档及团队工作区等
Docker Desktop 为 Windows 开发者提供集成式容器环境，内置 Docker Engine、命令行工具、Compose、Build 与 Kubernetes 等组件，可在本机完成镜像构建、容器运行、日志查看和资源管理。
Android Studio 是 Google 面向 Android 应用开发提供的官方集成开发环境，以 IntelliJ IDEA 为基础，集成智能代码编辑、Gradle 构建、设备模拟、界面预览、调试测试及性能分析工具，
WebStorm 是 JetBrains 面向 JavaScript、TypeScript 和现代 Web 技术打造的集成开发环境。它提供项目级代码分析、智能补全、安全重构、导航搜索，并集成调试、测试、终端、Git 与常用前端工具，
PhpStorm 是 JetBrains 面向 PHP 与现代 Web 开发打造的专业集成开发环境，提供代码补全、静态检查、重构、调试、测试、数据库、版本控制及前端语言支持。Windows 用户可直接下载安装程序，
PyCharm 是 JetBrains 推出的 Python 集成开发环境，提供智能代码补全、错误检查、重构、调试、测试、Git、终端及 Jupyter Notebook 支持。统一版安装后可体验 30 天 Pro 功能，
JetBrains IntelliJ IDEA 是以 Java、Kotlin 和 JVM 项目为核心的专业集成开发环境，提供智能补全、代码检查、安全重构、调试、测试、版本控制及构建工具集成。统一发行版的核心功能可免费用于商业和非商业项目，
Visual Studio Code 是微软推出的免费代码编辑器，Windows 版集成智能补全、代码导航、调试、终端和版本控制，并可通过扩展添加语言、格式化及远程开发能力。它启动较快、配置灵活，
REAPER 是 Cockos 推出的数字音频工作站，适用于录音、MIDI 编曲、音频编辑、混音、母带制作及声音设计。软件安装包小巧，支持多轨录制、灵活路由、自动化、第三方插件和脚本扩展，并提供完整功能的 60 天免费评估期。
Adobe Audition 是面向播客、影视后期、广播与音乐制作的专业音频工作站，提供波形编辑、多轨混音、频谱分析、录音、降噪修复和效果处理等功能。Windows 版通过 Adobe Creative Cloud 安装和管理，
Pro Tools 是 Avid 推出的专业数字音频工作站，提供多轨录音、音频剪辑、MIDI编曲、插件处理、自动化混音及影视声音制作能力。它适合音乐人、录音师、制作人和音频后期团队使用，并提供免费入门版、订阅方案及永久授权选择。
Cubase 是 Steinberg 推出的数字音频工作站，提供 MIDI 编曲、多轨录音、音频编辑、虚拟乐器、效果处理、自动化、混音和母带输出工具。其 Pro、Artist 与 Elements 版本面向不同预算和制作规模，