梦晨 发自 凹非寺量子位 报道 | 公众号 QbitAI

你在面试中会遇到的那种算法题，AI已经能自己解决了，比如下面这道题：

对于一个记录论文引用次数的数组，每个元素都是非负整数。请写出函数h_index，输出这些论文的h指数，即至多有h篇文章被至少引用了h次。例：输入: [3, 0, 6, 1, 4]输出: 3

AI给出的Python答案是这样的：

除了排序没用counts.sort(reverse = True)让人看着血压升高，算是顺利通过测试：

来自UC伯克利的研究团队，将上面这道题被归为“面试级”难度（看来国外程序员面试题有点简单）。

此外还有更简单的“入门级”和更难的“竞赛级”，总共5000道题的测试中，AI能做出15%。

另外有人声称，他专门用GPT-2训练了个专门做LeetCode的AI，能完成80%。

在刷LeetCode的你，是否在颤抖？

GPT-Neo赢过GPT-3

本研究使用的题目形式是自然语言题干，不同于以往研究常用的伪代码和代码之间翻译。

题目是从Codeforces、Kattis等刷题网站收集的10000道题，5000道用于训练，另外5000道作为测试集。

题干的平均长度为293.2个单词，在测试集中每道题平均有21.2个测试用例。

入门级难度的题不需要复杂算法，有1-2年经验的程序员都能回答的那种，有3639个。

面试级难度的题会涉及数据结构，比如树或者图，或需要修改常见的算法，有5000个。

剩下的是竞赛级难度，达到USACO、IOI和ACM等竞赛的水平。

研究人员分别训练了GPT-2的1亿参数版和15亿参数版、GPT-3以及“高仿版”GPT-Neo。

参数规模“只有”27亿的GPT-Neo和更低的GPT-2在测试用例通过率上，表现却比1750亿的GPT-3还要好。

在严格模式下，通过所有测试用例才算完全正确，成绩最好的GPT-Neo只通过了1.12%，不过这也有56道题了（反正比我强）。

GPT-Neo来自EleutherAI团队尝试复现GPT的开源项目。

虽然参数规模比GPT-3小得多，但训练数据包含了更多技术网站，比如Stack OverFlow和Stack Exchange等，这可能是它在代码生成上胜出的原因之一。

至于GPT-3为什么表现还不如GPT-2，有人猜测可能是它见过的文本太多，虽然擅长生成自然语言，但在逻辑和解题方面过拟合了。

如何评价AI“做题家”

论文一发出来，吃瓜群众脑洞大开。

如果我没通过面试但我写的算法通过了会怎么样？

有人回答他:

没关系，你还可以当你算法的助手。

还有很多人给出下一步建议，比如不用自回归的GPT，改用自编码语言模型会怎样？比如CodeTrans。

或者，再用一个GPT专门生成自己回答不出来的问题。

乐观的人认为这是解放了人的创造力，未来编程是关于写更少的代码，做更多的架构、工程。

有人畅想，只需要描述需求就能生成代码可太爽了。

嗨IDE，用我的数据库做一个JavaScript的增查改删，要带测试。

悲观的人却认为，将来有一天，人类程序员只能做做维护工作和评审机器生成的代码了。

面对AI“做题家”，你怕了吗？

论文地址：https://arxiv.org/abs/2105.09938

数据集地址：https://github.com/hendrycks/apps

自动刷LeetCode项目：https://github.com/gagan3012/project-code-py

参考资料：[1]https://twitter.com/DanHendrycks/status/1395536919774121984