原標題：代碼模型自我進化超越GPT-4o蒸餾！UIUC伯克利等提出自對齊方法 | NIPS 2024
文章來源：新智元
內容字數：6411字

開頭

近期，來自UIUC和伯克利的研究人員提出了一種新的自對齊方法SelfCodeAlign，旨在通過自生成的數據實現代碼模型的指令調優，效果超越目前主流的蒸餾方法。這一研究為大規模語言模型（LLM）在代碼生成和優化領域的應用提供了新的思路和方法。

1. SelfCodeAlign的創新方法

SelfCodeAlign的核心在于利用相同基礎模型進行推理，通過三個步驟實現自對齊。首先，從高質量的種子代碼片段中提取不同的編碼概念，接著生成新任務的指令，并驗證這些指令的有效性。最后，選擇通過驗證的示例進行指令調優。這種方法完全依賴模型自生成的數據，無需人工注釋或蒸餾，且效果顯著提升。

2. 實驗結果及性能評估

實驗表明，使用SelfCodeAlign對CodeQwen1.5-7B進行指令微調，HumanEval+的pass@1達到了67.1，超過了CodeLlama-70B-Instruct等大型模型。同時，在函數生成、類生成和數據科學編程等基準測試中，SelfCodeAlign均表現優異，尤其在HumanEval+上超越了基于GPT-3.5-Turbo的蒸餾方法。

3. 自對齊的具體流程

SelfCodeAlign的具體流程包括種子選擇、概念生成和執行篩選。研究人員從The Stack V1中收集高質量的種子代碼片段，并根據這些片段生成多樣化的編碼任務。接著，模型通過自我驗證的測試來確保生成代碼的正確性，最終篩選出有效的指令用于微調。

4. 多任務適應性和廣泛應用

SelfCodeAlign適用于不同規模的LLM，能夠在多種編碼任務中展現出色的性能。無論是函數生成、類生成還是數據科學編程，SelfCodeAlign均證明了其強大的能力，尤其是在代碼編輯任務中也展現出優良的表現。這一方法的成功為未來的編碼AI發展提供了新的方向。

結尾

綜上所述，SelfCodeAlign通過自對齊方法有效提升了代碼模型的指令調優水平，展示了LLM在智能編碼助理領域的巨大潛力。隨著這一技術的不斷發展，未來的編碼任務將更加高效和智能化。

聯系作者

文章來源：新智元
作者微信：
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。