危！AI已經(jīng)會(huì)刷LeetCode了！

夢晨 發(fā)自 凹非寺

量子位 報(bào)道 | 公眾號 QbitAI

你在面試中會(huì)遇到的那種算法題，AI已經(jīng)能自己解決了，比如下面這道題：

對于一個(gè)記錄論文引用次數(shù)的數(shù)組，每個(gè)元素都是非負(fù)整數(shù)。請寫出函數(shù)h_index，輸出這些論文的h指數(shù)，即至多有h篇文章被至少引用了h次。
例：
輸入: [3, 0, 6, 1, 4]
輸出: 3

AI給出的Python答案是這樣的：

除了排序沒用counts.sort(reverse = True)讓人看著血壓升高，算是順利通過測試：

來自UC伯克利的研究團(tuán)隊(duì)，將上面這道題被歸為“面試級”難度（看來國外程序員面試題有點(diǎn)簡單）。

此外還有更簡單的“入門級”和更難的“競賽級”，總共5000道題的測試中，AI能做出15%。

另外有人聲稱，他專門用GPT-2訓(xùn)練了個(gè)專門做LeetCode的AI，能完成80%。

在刷LeetCode的你，是否在顫抖？

GPT-Neo贏過GPT-3

本研究使用的題目形式是自然語言題干，不同于以往研究常用的偽代碼和代碼之間翻譯。

題目是從Codeforces、Kattis等刷題網(wǎng)站收集的10000道題，5000道用于訓(xùn)練，另外5000道作為測試集。

題干的平均長度為293.2個(gè)單詞，在測試集中每道題平均有21.2個(gè)測試用例。

入門級難度的題不需要復(fù)雜算法，有1-2年經(jīng)驗(yàn)的程序員都能回答的那種，有3639個(gè)。

面試級難度的題會(huì)涉及數(shù)據(jù)結(jié)構(gòu)，比如樹或者圖，或需要修改常見的算法，有5000個(gè)。

剩下的是競賽級難度，達(dá)到USACO、IOI和ACM等競賽的水平。

研究人員分別訓(xùn)練了GPT-2的1億參數(shù)版和15億參數(shù)版、GPT-3以及“高仿版”GPT-Neo。

參數(shù)規(guī)模“只有”27億的GPT-Neo和更低的GPT-2在測試用例通過率上，表現(xiàn)卻比1750億的GPT-3還要好。

在嚴(yán)格模式下，通過所有測試用例才算完全正確，成績最好的GPT-Neo只通過了1.12%，不過這也有56道題了（反正比我強(qiáng)）。

GPT-Neo來自EleutherAI團(tuán)隊(duì)嘗試復(fù)現(xiàn)GPT的開源項(xiàng)目。

雖然參數(shù)規(guī)模比GPT-3小得多，但訓(xùn)練數(shù)據(jù)包含了更多技術(shù)網(wǎng)站，比如Stack OverFlow和Stack Exchange等，這可能是它在代碼生成上勝出的原因之一。

至于GPT-3為什么表現(xiàn)還不如GPT-2，有人猜測可能是它見過的文本太多，雖然擅長生成自然語言，但在邏輯和解題方面過擬合了。

如何評價(jià)AI“做題家”

論文一發(fā)出來，吃瓜群眾腦洞大開。

如果我沒通過面試但我寫的算法通過了會(huì)怎么樣？

有人回答他:

沒關(guān)系，你還可以當(dāng)你算法的助手。

還有很多人給出下一步建議，比如不用自回歸的GPT，改用自編碼語言模型會(huì)怎樣？比如CodeTrans。

或者，再用一個(gè)GPT專門生成自己回答不出來的問題。

△矛盾相爭是吧

樂觀的人認(rèn)為這是解放了人的創(chuàng)造力，未來編程是關(guān)于寫更少的代碼，做更多的架構(gòu)、工程。

有人暢想，只需要描述需求就能生成代碼可太爽了。

嗨IDE，用我的數(shù)據(jù)庫做一個(gè)JavaScript的增查改刪，要帶測試。

△Ruby on Rails直呼內(nèi)行

悲觀的人卻認(rèn)為，將來有一天，人類程序員只能做做維護(hù)工作和評審機(jī)器生成的代碼了。

面對AI“做題家”，你怕了嗎？

論文地址：
https://arxiv.org/abs/2105.09938

數(shù)據(jù)集地址：
https://github.com/hendrycks/apps

自動(dòng)刷LeetCode項(xiàng)目：
https://github.com/gagan3012/project-code-py

參考資料：
[1]https://twitter.com/DanHendrycks/status/1395536919774121984