4月11日,蚂蚁集团自研的智能研发平台CodeFuse推出“图生代码”新功能,支持开发人员用产品设计图一键生成代码,大幅提升前端页面的开发效率。目前相关功能正在内测。
和很多互联网公司一样,蚂蚁集团正在内部全面推行AI编程,使用CodeFuse支持日常研发工作的工程师达到50%以上,这些工程师提交的代码中10%由AI生成。
Gartner发布的2024年十大战略技术趋势指出:到2028年,75%的企业软件工程师将使用AI编程助手。蚂蚁CodeFuse就是这一趋势下的探索尝试。
据介绍,CodeFuse 的功能覆盖了需求分析、编程开发、测试与构建、发布与运维、数据洞察等研发全链路,比如在开发测试阶段,通过代码补全、添加注释、解释代码、生成单测、代码优化等,帮助开发者更快、更轻松地编写代码。
目前,在蚂蚁内部,每周已有超五成程序员在日常研发中使用CodeFuse。CodeFuse生成的代码整体采纳率为30%,在生成单元测试场景采纳率可以达到50%。
此次发布的“图生代码”功能主要服务前端工程师。在互联网产品开发环节,设计师画出设计图后,前端工程师需要用代码实现产品设计图,这项工作占用了较多开发工作量。图生代码,可以根据设计图一键生成代码,可以极大降低开发团队在开发网页、小程序、APP时的代码工作量。以一张中型网页为例,如果最终有200 行代码,一人耗时约需1小时,一键生成后,工程师只需检查与调整,耗时大幅降低。这项功能基于蚂蚁百灵大模型的多模态技术能力研发。
蚂蚁集团CodeFuse负责人表示,AI的普及不仅可以减少开发人员的工作压力,让他们有更多精力投入到更有创造力的工作中去,更大的意义在于降低编程门槛,推动软件开发行业的创新和进步。CodeFuse的使命是探索下一代AI研发生产力工具,致力于打造创新的解决方案,让软件开发者在研发过程中如丝般顺滑。在自然语言生成代码、图生代码之后,CodeFuse还将持续推出新功能,助力企业研发全链路的效率提升。
该负责人认为,AI研发范式的变革,并不代表“人”在研发场景的角色会消失,反而对AI和人如何协同提出了更高的要求,特别是涉及可靠性的运维场景,还需要人工专家干预才能让系统健康运行起来。
“AI目前主要集中在辅助编程(code copilot),要从copilot走向co-worker,实现整个研发生命周期的智能化、自动化,还有很长的路要走。”
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。