大模型编程实测：如何hold住复杂、跨语言代码需求？

出品 | CSDN（ID：CSDNnews）

AI 大模型正在深入千行百业，在 CSDN 举办的 2023 年 1024 程序员节上，CSDN 创始人蒋涛分享中提到，大模型将掀起一场生态革命，带来生产力的极大提升，重构所有软件和应用，数字经济将发生彻底改变。这是开发者的黄金时刻，也是全世界程序员的一次机会，大模型将技术的潜力推向了全新的高度，重新定义了开发者的角色以及数字经济的前景。其中，与程序员关系最紧密的，是AI大模型对开发范式的影响和改变，未来可能每一位程序员都要与AI一同完成开发任务。

最近，腾讯混元大模型（以下简称腾讯混元）发布了新版本升级，这次升级重点加强了文生图和代码生成两个方面的能力。本文就将以腾讯混元大模型为例，分享 AI 大模型在代码生成能力上的最新表现，分析其背后的技术探索，并展望未来的应用前景，希望为开发者提供参考与研发工作新思路。

语义理解，实现细节描述需求

相比此前版本，新版腾讯混元在代码生成任务上的最大进步，就是提升语义理解能力，根据更加细致的需求描述，生成出语义更加准确的代码。为了评测语义理解，我们给腾讯混元下达一些包含细节编程任务的描述，测试它返回的代码效果。

测试编程如下:

“请用Python语言编写一个函数，实现对一个整数数组进行排序。要求采用冒泡排序算法对数组从小到大排序，并返回排序后的数组。”

对此需求，腾讯混元的回答是：

在这个测试用例中，我们包含了如下细节：

使用 Python

输入输出均为整数数组

冒泡排序

从小到大

从腾讯混元回答中可以看到，它首先给出了编码风格良好的 bubble_sort() 函数，代码不仅正确，在解释器中也可以直接运行，而且同时代码的解析。完美实现了笔者的细节要求，展现出精准捕捉需求描述和转换实现编程语义的能力。

我们还可以进行更复杂的测试，加入更多的细节要求，比如要求引用内置函数，输出格式，代码风格等。

测试用例如下：

“请编写一个Python函数，输入一个字符串数组，然后按照数组元素的字母表顺序对数组进行排序后输出，并用 * 间隔每个字符串的输出。”

腾讯混元的输出如下：

这段代码实现了测试用例中的每个细节要求，如输入字符串，调用内置函数 sorted 进行排序，使用*间隔输出。同样的，这段代码可以在解释器中正确的被执行。

通过这些测试可以看出，新版腾讯混元在理解描述中的编程需求和生成对应代码的能力上，确实有了明显的进步。它可以识别出不同的数据类型，如整数数组和字符串数组，并根据所述需求选择合适的排序算法进行实现。同时对于语义细节，也有很好的理解和实现。

跨语言代码生成，hold 住不同语言编码风格

大模型需要能够理解不同编程语言的语法和语义，以便生成正确的代码。这需要模型具有强大的语言建模能力。在评测点一中，我们主要是让腾讯混元使用 Python 进行代码输出，那么其它编程语言的代码生成能力如何呢。

我们给出的测试用例如下：

“用golang来实现二叉树的前、中、后序遍历。”

这段测试用例虽然不长，但是仍然包含了很多细节。如二叉树的定义、前序、中序、后序遍历的函数，输入输出等。让我们来看一下腾讯混元的回答：

甚至还给出了测试代码和输出结果：

腾讯混元展现出了惊人的知识量，不仅理解了测试用例，正确定义了二叉树，还给出了三个排序函数，给出了测试结果，说明腾讯混元很强的语义理解能力，能够理解非常抽象的需求。Python 写的好，Golang 同样写的非常优秀，符合 Golang 的编码风格和习惯，对于 Golang 特有的结构也是输出的非常流畅和正确。这表明，腾讯混元也能调用恰当的 API 编写出符合要求的代码，支持不同的编程语言，生成的代码符合不同编程语言的习惯。

复杂抽象、专业业务理解与生成，合理简洁

在前面两点中，主要考察了腾讯混元对于语义细节以及代码生成的广度上，实际工作中，需求是非常抽象和专业的。

我们来测试一下腾讯混元对于专业领域的代码生成能力，给出测试用例如下：

“使用Rust编写一个内存管理接口模块，用于对错误内存页面的隔离和重新分配。”

在这个测试用例中，我们切换了新的编程语言，同时引入了操作系统底层的专业领域知识，腾讯混元的回答如下：

从思路到实现，腾讯混元的回答质量很高，从专业的角度看，设计的也是非常合理的。不仅给出了示例代码，还解释了关键逻辑，如分配、释放内存，检查内存页面是否有效，分配新页面。可以说是理解了这个业务需求的每个细节，同时还留下了业务需要额外关注的地方，如性能、碎片等。在这个场景中非常贴合专业领域的编码习惯了，即先给出大致的逻辑，然后不断进行细节优化。

让我们再用一个复杂且抽象的测试腾讯混元的生成能力。

“使用基本的html，js，css完成一个美观实用的Todolist页面”

在这个测试用例中，Todolist 是抽象的，隐含了用户的输入输出，任务的删减。任务的定义，样式的定义等。让我们来看一下腾讯混元的实现：

代码比较长，这里直接按它说的，将代码复制到一个 html 文件中，然后通过浏览器打开直接看效果：

包括了一个基本的 TodoList 页面，用户可以在输入框中输入任务，点击添加按钮将任务添加到任务列表中。任务列表中的每个任务都有一个删除按钮，点击删除按钮可以从列表中移除任务，整个页面使用了简洁的设计和易于使用的元素。

数据、prompt 和建模技术探索

大模型代码生成能力得到大幅提升的背后，需要依托多方面的技术探索与突破。以腾讯混元大模型为例，我们从腾讯混元大模型的更新日志中了解到，腾讯混元团队收集了大规模的编程语料，通过不同语言、不同应用领域代码的学习，不断完善模型对编程语义的理解。此外，设计高质量的代码生成 prompt 也是关键，指导模型准确捕捉语法、风格等方面的语言特征。具体来说：

第一是在提高编程语料数据质量。相比通用语言数据，高质量的代码语料对模型训练更为关键，腾讯混元团队持续积累各类编程语言的代码样本，扩充模型对编程语义的理解。

第二是持续进行 prompt 优化，不断优化代码生成的提示词表述，引导模型更好地捕捉编程语言的语法、风格和语义等方面特征。

第三是尝试多任务统一建模，在模型结构上，将代码生成任务与理解自然语言描述的任务统一建模，使模型在两个方向的表示能力得以相互促进。

除了这三方面技术探索，模型在程序语言理解上的大幅进步还有赖于持续的工程化积累。另外，腾讯混元大模型由腾讯自研的 Angel 机器学习平台提供支撑。AngelPTM 训练速度较主流开源框架提升 1 倍，可以缩短模型研发迭代周期，也是确保腾讯混元大模型快速迭代的重要的保证。

应用前景：代码提示、代码规范检测与代码生成，助力开发提效

通过实测，能看到腾讯混元大模型代码生成能力已经有效提升。而更好的生成能力，可以帮助大模型在软件开发辅助等领域开启更多应用场景。目前代码编程方面可以预见有三大应用方向：

1. 代码提示：基于自然语言描述自动提示代码段，可辅助开发者更快实现编程需求。

2. 代码规范检测：检查代码是否符合指定的代码规范要求，如命名规范等。

3. 代码生成根据复杂需求描述自动生成完整代码，辅助快速实现编程功能。

以腾讯混元大模型为例，在代码提示上，腾讯混元可用于各种编程语言的 IDE 中，根据开发者的注释或需求说明，提示可能的代码实现。针对一些重复性比较强的编码工作，如果能根据注释自动提示代码，将大大提升开发效率。开发者只需关注业务要求，无须反复键入重复的代码片段，就能高效实现功能。

在代码规范检测上，可基于公司或项目的代码规范要求，自动检查代码的命名、格式等是否符合规范。腾讯混元可以帮开发团队节省开发时间，避免手动 review 检查出的问题，自动化检测可一次性直观地反馈所有规范问题。

而代码生成更是直接辅助编程，根据需求描述快速输出代码雏形，腾讯混元可直接输出初始版本代码，开发者只需在此基础上进行适当优化与补充，辅助开发者快速实现所需功能。

从这次版本升级能看到，腾讯混元的代码生成能力正在持续快速进步。相信通过不断的实践与积累，其在程序语言理解方面的能力还将达到新的高度。而对于开发者来说，趁手的开发工具是高质高效完成开发任务的前提，从腾讯混元大模型评测能看出 AI 大模型的实力已经不容小觑，如何利用大模型加速抽象复杂、甚至跨语言的项目研发，提升研发效率，值得每位开发者重视。CSDN 将持续报道 AI 与大模型最新技术与落地实践，欢迎关注。