企业网站有哪些举几个例子,网站开发主流技术,上海企业公示信息查询系统,郴州新网手机版微软的研究部门发布了一篇关于预训练扩散代码模型CodeFusion的论文。在展示代码生成任务的基线数据对比时#xff0c;发现了一个有趣的事情#xff0c;ChatGPT#xff08;gpt-3.5-turbo#xff09;的参数只有200亿。
要知道#xff0c;gpt-3.5-turbo是OpenAI中应用最多、…微软的研究部门发布了一篇关于预训练扩散代码模型CodeFusion的论文。在展示代码生成任务的基线数据对比时发现了一个有趣的事情ChatGPTgpt-3.5-turbo的参数只有200亿。
要知道gpt-3.5-turbo是OpenAI中应用最多、最成熟的型号之一而它的前任GPT-3.5已经公布是1750亿参数。如此小的参数在性能、效率方面比大参数的模型更强使用价格却更低。
这也从侧面验证了年初Meta首次开源Llama时的说法小参数的模型在庞大、高质量的数据集训练下性能并不一定就比高参数的差。
事实上很多国内外知名的开源大模型项目如百川大模型、LLaMA-2、Falcon-40B等在多个知名评测中击败了更高的参数模型资源消耗却更低。
论文地址https://arxiv.org/abs/2310.17680 言归正传继续为大家介绍微软发布的这个创新代码模型CodeFusion。
GitHub Copilot Chat等产品已经充分验证了大语言模型在编程领域的可行性和重要作用通过文本描述就能快速生成各种类型代码极大提升了开发效率。
但是生成的代码经常会出现错误、质量不佳等难题为了解决这一痛点微软提出了创新代码模型CodeFusion。
CodeFusion与传统代码模型不同的是引入了“扩散过程”模式通过逐步添加噪声,让代码从简单向复杂过渡,然后再逐步减少噪声回到纯净状态。
受Midjourney等扩散模型启发,研究人员设计了独特的“去噪”机制,使得模型可以自动学习代码语法,生成更精准的高质量代码。 为了评估CodeFusion的效果,研究团队在多种编程语言上进行了比较。包括Python、Bash和Excel公式。与T5、CodeT5、GPT-3、CodeGen等主流代码生成模型相比, CodeFusion取得了惊人的效果无论是单次生成的成功率,还是多次生成后正确代码出现的概率,都有明显的优势。
在Python语言上, CodeFusion的单次生成精确度达80.7%,超过了GPT-3;考虑前5次生成, CodeFusion包含正确代码的概率高达90.3%,其它模型最高只达到85.8%。在Bash和Excel语言上, CodeFusion同样表现出了强劲的性能。
在代码多样性测试中, CodeFusion生成的前5个候选代码,新增代码行覆盖率达到81%,是其它模型的两倍之多。
值得一提的是, CodeFusion只有7500万参数,远小于测试模型中的数十亿、上百亿甚至上千亿参数模型。这也再次验证了上面所说的小参数模型同样可以比高参数模型性能更强。
CodeFusion评测数据
从论文介绍来看CodeFusion的架构主要包含编码器、去噪器和解码器三大模块。
编码器
编码器的作用是将自然文本提问的编码转换成向量表示。编码器会先将自然语言文本进行分词,然后输入到一个预训练的转换器编码器中,例如T5的编码器。每个词会被映射为一个稠密的词向量。
接着,转换器编码器会通过多层自注意力和前馈全连接网络,学习输入文本的上下文语义信息,输出文本的最终语义向量表示。主要技术关键点如下
使用预训练模型:直接利用在大规模语料上预训练的编码器,可以有效学习语义信息,无需从零训练。
输出全局语义向量:通过自注意力捕获输入文本的全局上下文语义,不同位置的词语都互相影响,最后形成整体的语义向量。
高效编码:相比RNN等顺序模型,转换器编码器可以高效并行计算,对长文本也有很强的建模能力。
去噪器
去噪器的作用是进行扩散过程,向编码器输出添加高斯噪声。去噪器会首先随机初始化一个噪声向量,然后依据扩散步数,通过加权平均的方式,将编码器输出语义向量与噪声向量融合,得到噪声新增的隐状态向量。
随着迭代步数增加,融入的噪声占比会渐渐增大,所以状态向量会逐步偏离原始语义,加入更多随机性。这模拟了物理扩散过程。
去噪器的输出是一个噪声复杂程度逐步增强的状态序列。这为解码阶段提供了一个从简单到复杂的目标函数,使模型更容易优化。
解码器
解码器需要逐步从复杂的噪声状态中,还原出编码器对应的源文本提示语义以生成准确、高质量代码。
解码器会使用类似的转换器结构,每一步接收上一步去噪器输出的状态向量,并结合源语义向量,通过自注意力学习状态内部的语义,并通过交叉注意力学习与源语义的匹配关系。
然后,解码器需要预测从当前状态中需要减去的噪声量,以获得上一步的干净状态。重复这一过程,直到还原出源语义向量。
最后,解码器完成从扩散隐状态到源语义再到代码符号的映射,实现了从自然语言提示到代码的转换。
本文素材来源微软CodeFusion论文如有侵权请联系删除
