代码生成准确率翻倍：流量工程令成功率从19%提升至44%

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/。