危！AI已經(jīng)會(huì)刷LeetCode了！
夢(mèng)晨 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號(hào) 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(duì)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(qǐng)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(méi)用counts.sort(reverse = True)讓人看著血壓升高，算是順利通過(guò)測(cè)試：
來(lái)自UC伯克利的研究團(tuán)隊(duì)，將上面這道題被歸為“面試級(jí)”難度（看來(lái)國(guó)外程序員面試題有點(diǎn)簡(jiǎn)單）。
此外還有更簡(jiǎn)單的“入門級(jí)”和更難的“競(jìng)賽級(jí)”，總共5000道題的測(cè)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(guò)GPT-3
本研究使用的題目形式是自然語(yǔ)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(cè)試集。
題干的平均長(zhǎng)度為293.2個(gè)單詞，在測(cè)試集中每道題平均有21.2個(gè)測(cè)試用例。
入門級(jí)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(jí)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(jiàn)的算法，有5000個(gè)。
剩下的是競(jìng)賽級(jí)難度，達(dá)到USACO、IOI和ACM等競(jìng)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(cè)試用例通過(guò)率上，表現(xiàn)卻比1750億的GPT-3還要好。
在嚴(yán)格模式下，通過(guò)所有測(cè)試用例才算完全正確，成績(jī)最好的GPT-Neo只通過(guò)了1.12%，不過(guò)這也有56道題了（反正比我強(qiáng)）。
GPT-Neo來(lái)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(cè)可能是它見(jiàn)過(guò)的文本太多，雖然擅長(zhǎng)生成自然語(yǔ)言，但在邏輯和解題方面過(guò)擬合了。
如何評(píng)價(jià)AI“做題家”
論文一發(fā)出來(lái)，吃瓜群眾腦洞大開。
如果我沒(méi)通過(guò)面試但我寫的算法通過(guò)了會(huì)怎么樣？
有人回答他:
沒(méi)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(yǔ)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(lái)的問(wèn)題。
△矛盾相爭(zhēng)是吧
樂(lè)觀的人認(rèn)為這是解放了人的創(chuàng)造力，未來(lái)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(kù)做一個(gè)JavaScript的增查改刪，要帶測(cè)試。
△Ruby on Rails直呼內(nèi)行
悲觀的人卻認(rèn)為，將來(lái)有一天，人類程序員只能做做維護(hù)工作和評(píng)審機(jī)器生成的代碼了。
面對(duì)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
推薦閱讀
? Python實(shí)現(xiàn)的導(dǎo)彈跟蹤算法，燃！? 看書vs視頻，我的一點(diǎn)小建議，共勉！? 說(shuō)實(shí)話，小時(shí)候我還挺有藝術(shù)細(xì)胞的