首個(gè)AI軟件工程師Devin完整技術(shù)報(bào)告出爐，還有人用GPT做出了「復(fù)刻版」

AIGC動態(tài)歡迎閱讀

原標(biāo)題：首個(gè)AI軟件工程師Devin完整技術(shù)報(bào)告出爐，還有人用GPT做出了「復(fù)刻版」
關(guān)鍵字：測試,問題,報(bào)告,團(tuán)隊(duì),智能
文章來源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：8736字

內(nèi)容摘要：

機(jī)器之心報(bào)道
編輯：杜偉、大盤雞從編碼、編譯到調(diào)試、驗(yàn)證，AI 智能體能做的事情更多了。這周三，Cognition AI 團(tuán)隊(duì)發(fā)布的首個(gè) AI 軟件工程師 Devin 引爆了 AI 社區(qū)，引發(fā)了人們對程序員這個(gè)職業(yè)未來前景的熱議。在對 Devin 的評估中，團(tuán)隊(duì)使用了 SWE-bench。這是一個(gè)由 GitHub 問題和拉取請求組成的軟件工程系統(tǒng)的自動化基準(zhǔn)測試。他們認(rèn)為 SWE-bench 是一個(gè)不錯(cuò)的選擇，它確定性地評估（通過單元測試）系統(tǒng)解決現(xiàn)實(shí)世界代碼庫問題的能力，并與 HumanEval 等僅限于功能的基準(zhǔn)測試不同。
從結(jié)果來看，在 SWE-Bench 基礎(chǔ)測試中，無需人類輔助，Devin 就可以解決 13.86% 的問題。而當(dāng)前 SOTA 模型，在沒有人類幫忙的情況下，只能完成 1.96% 的問題。即使提供了要編輯（輔助）的確切文件，當(dāng)前 SOTA 模型也只能解決 4.80% 的問題。數(shù)據(jù)集
具體來講，SWE-bench 是一個(gè)包含 2294 個(gè)問題和 GitHub 流行開源 Python 存儲庫中拉取請求（pull request）的數(shù)據(jù)集，目的是測試系統(tǒng)編寫真實(shí)代碼

原文鏈接：首個(gè)AI軟件工程師Devin完整技術(shù)報(bào)告出爐，還有人用GPT做出了「復(fù)刻版」

聯(lián)系作者

文章來源：機(jī)器之心
作者微信：almosthuman2014
作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺