梦晨 发自 凹非寺
量子位 报道 | 公众号 QbitAI
大家好，我是小吴。
你在面试中会遇到的那种算法题，AI已经能自己解决了，比如下面这道题：
对于一个记录论文引用次数的数组，每个元素都是非负整数。请写出函数h_index，输出这些论文的h指数，即至多有h篇文章被至少引用了h次。
例：
输入: [3, 0, 6, 1, 4]
输出: 3
除了排序没用counts.sort(reverse = True)让人看着血压升高，算是顺利通过测试：
来自UC伯克利的研究团队，将上面这道题被归为“面试级”难度（看来国外程序员面试题有点简单）。
此外还有更简单的“入门级”和更难的“竞赛级”，总共5000道题的测试中，AI能做出
15%
。
另外有人声称，他专门用GPT-2训练了个专门做LeetCode的AI，能完成
80%
。
GPT-Neo赢过GPT-3
本研究使用的题目形式是自然语言题干，不同于以往研究常用的伪代码和代码之间翻译。
题目是从Codeforces、Kattis等刷题网站收集的10000道题，5000道用于训练，另外5000道作为测试集。
题干的平均长度为293.2个单词，在测试集中每道题平均有21.2个测试用例。
入门级难度
的题不需要复杂算法，有1-2年经验的程序员都能回答的那种，有3639个。
面试级难度
的题会涉及数据结构，比如树或者图，或需要修改常见的算法，有5000个。
剩下的是
竞赛级难度
，达到USACO、IOI和ACM等竞赛的水平。
研究人员分别训练了GPT-2的1亿参数版和15亿参数版、GPT-3以及“高仿版”
GPT-Neo
。
参数规模“只有”
27亿
的GPT-Neo和更低的GPT-2在测试用例通过率上，表现却比
1750亿
的GPT-3还要好。
在严格模式下
，通过所有测试用例才算完全正确，成绩最好的GPT-Neo只通过了1.12%，不过这也有
56道题
了（反正比我强）。
GPT-Neo来自EleutherAI团队尝试复现GPT的开源项目。
虽然参数规模比GPT-3小得多，但训练数据包含了更多技术网站，比如Stack OverFlow和Stack Exchange等，这可能是它在代码生成上胜出的原因之一。
至于GPT-3为什么表现还不如GPT-2，有人猜测可能是它见过的文本太多，虽然擅长生成自然语言，但在逻辑和解题方面
过拟合了
。
如何评价AI“做题家”
还有很多人给出下一步建议，比如不用
自回归
的GPT，改用
自编码
语言模型会怎样？比如CodeTrans。
或者，再用一个GPT专门生成自己回答不出来的问题。
△
矛盾相争是吧
乐观的人
认为这是解放了人的创造力，未来编程是关于写更少的代码，做更多的架构、工程。
嗨IDE，用我的数据库做一个JavaScript的增查改删，要带测试。
△
Ruby on Rails直呼内行
悲观的人却认为，将来有一天，人类程序员只能做做维护工作和评审机器生成的代码了。
论文地址：
https://arxiv.org/abs/2105.09938
数据集地址：
https://github.com/hendrycks/apps
自动刷LeetCode项目：
https://github.com/gagan3012/project-code-py
参考资料：
[1]https://twitter.com/DanHendrycks/status/1395536919774121984
