AI已經(jīng)會刷LeetCode了
用自然語言出一道算法題，就能自動生成代碼
夢晨 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
你在面試中會遇到的那種算法題，AI已經(jīng)能自己解決了，比如下面這道題：
對于一個記錄論文引用次數(shù)的數(shù)組，每個元素都是非負整數(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伯克利的研究團隊，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個單詞，在測試集中每道題平均有21.2個測試用例。
入門級難度的題不需要復(fù)雜算法，有1-2年經(jīng)驗的程序員都能回答的那種，有3639個。
面試級難度的題會涉及數(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。
剩下的是競賽級難度，達到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)?！爸挥小?strong>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）。
GPT-Neo來自EleutherAI團隊嘗試復(fù)現(xiàn)GPT的開源項目。
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怎樣？比如CodeTrans。
或者，再用一個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JavaScript的增查改刪，要帶測試。
△Ruby on Rails直呼內(nèi)行
悲觀的人卻認為，將來有一天，人類程序員只能做做維護工作和評審機器生成的代碼了。
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
自動刷LeetCode項目：
https://github.com/gagan3012/project-code-py
參考資料：
[1]https://twitter.com/DanHendrycks/status/1395536919774121984
- 字節(jié)突然開源Seed-OSS，512K上下文主流4倍長度，推理能力刷紀錄2025-08-21
- “現(xiàn)在讀AI博士已經(jīng)太晚了”2025-08-19
- 谷歌AI攻克亞洲語言難題，2300種語言數(shù)字化計劃正在推進2025-08-18
- AMD蘇姿豐公開懟扎克伯格！反對1億年薪挖人，使命感比鈔票更重要2025-08-18
相關(guān)閱讀
