【转载】用通俗易懂的方式讲解大模型：代码大模型盘点及优劣分析

GitHub Copilot 是由 OpenAI 和 GitHub 共同开发的，它使用了一个大型的语言模型（Codex），这个模型是在大量的公开源代码上进行训练的。Copilot 可以理解自然语言和代码，因此它可以根据开发者的描述来生成代码，也可以根据已有的代码来生成新的代码。这使得 Copilot 不仅可以帮助开发者快速编写代码，还可以帮助他们学习新的编程语言和技术。

L_serein

145人浏览 · 2024-03-15 23:11:14

L_serein · 2024-03-15 23:11:14 发布

转载链接：https://blog.csdn.net/2301_78285120/article/details/135280431

随着大语言模型技术的发展，人工智能的能力应用到了各个领域，包括与开发人员息息相关的代码生成领域，这个领域并不新鲜，但借助大型语言模型的力量，它被赋予了全新的生命力和可能性。

在数字化的世界中，代码是一种语言，是人类与机器沟通的桥梁。借助大型语言模型的力量，我们可以让这座桥梁更加强大，更加智能。今天我们将深入探讨大型语言模型在代码生成方面的应用。

代码辅助的历史

代码辅助功能的发展历史可以追溯到计算机编程的早期阶段。以下是一些关键的里程碑：

语法高亮（1970 年代）：最早的代码辅助功能之一，通过使用不同的颜色和字体样式来区分源代码的不同部分，如关键字、变量、字符串等。
自动补全（1980 年代）：自动补全是另一种早期的代码辅助功能，它可以帮助开发者更快地编写代码，同时减少错误。
代码提示和文档查看（1990 年代）：这些功能可以在开发者编写代码时提供实时的帮助和参考信息。
重构和代码导航（2000 年代）：这些功能可以帮助开发者更有效地组织和理解他们的代码。
静态代码分析（2010 年代）：这种功能可以在开发者编写代码时自动检测可能的错误和问题。
代码生成和模板（2010 年代）：这些功能可以帮助开发者快速生成常见的代码结构和模式。
AI 辅助编程（2020 年代）：这是最新的代码辅助功能，它使用人工智能技术来帮助开发者编写代码。

在这里插入图片描述

自动补全和代码生成的区别

可能会有人混淆自动补全和 AI 辅助编程，这两者都是编程辅助工具，但它们的工作方式和提供的功能有很大的区别。

自动补全，是一种在用户输入代码时提供代码片段建议的功能。这些建议通常基于当前的语法环境和已经输入的字符。例如，如果你在 Java 环境中输入"System.out.", 自动补全可能会建议"println"作为下一个输入。自动补全的主要目标是提高编程速度和准确性，通过减少手动输入和避免拼写错误。它通常基于语言的语法规则和已定义的变量、函数、类等进行工作。自动补全通常不会理解代码的上下文或意图，也不会生成新的代码逻辑。

AI 辅助编程是一种更先进的编程辅助工具，它使用人工智能技术（如机器学习和自然语言处理）来理解和生成代码。这种工具可以理解代码的上下文和意图，可以生成新的代码逻辑，也可以在更大的范围内提供代码建议。例如，GitHub 的 Copilot 就是一个 AI 辅助编程工具，它可以根据你的输入和上下文来生成代码建议。如果你输入一个函数的描述，Copilot 可以生成一个完整的函数实现。如果你输入一个循环的一部分，Copilot 可以生成循环的其余部分。

代码生成工具介绍

Github Copliot

Copilot 的 VsCode 插件[1]具备代码生成功能（效果如下），建议配合另外一个Copilot 插件[2]效果更佳，支持代码解释，语言翻译等功能：

在这里插入图片描述

优势

丰富的训练数据：由于 OpenAI 和 GitHub 的合作，因此 CodeX 的训练数据是 GitHub 上面的代码（可能包括私有仓库），在数据集上有比较大的优势（光 Github 的数据就有 159G），其他公司想要爬取所有 github 上的所有代码会有一些难度。
更好的模型基座：Codex 基于 GPT-3 使用 GitHub 等数据进行了 Fine-Tuning，它也具有强大的自然语言处理能力。这使得它可以理解自然语言的指令，并将其转化为代码。

劣势

不开源：OpenAI 的 LLM 都是闭源，无法基于该模型进行训练，也就是无法得到属于自己的模型。
数据安全：因为是闭源的 LLM，所以该模型也无法本地部署，只能通过调用 OpenAI 的 API 来实现功能，存在数据泄露风险。
插件收费：在 VSCode 上该插件需要收费，只对学生和开源作者免费

StarCoder

StarCoder 是一个在源代码和自然语言文本上训练的语言模型。它的训练数据包含超过 80 种不同的编程语言，以及从 GitHub 问题、提交中提取的文本。所有的代码和模型权重都公开可用于研究目的。StarCoder 支持在多种硬件上运行，包括使用 FP32、FP16、BF16 或 8 位的内存。StarCoder 在 VSCode 上也有对应的插件，叫做 HF Code AutoComplete[3]，这个插件也可以实现代码补全的功能。

在这里插入图片描述

优势

开源：LLM 开源，可以在 HuggingFace 上下载它的模型，然后在自己的机器上训练
插件免费：VSCode 插件是免费的，不过需要填入 HuggingFace 的 token，最近国内连 HuggingFace 经常超时，因此需要科学上网才能使用。

劣势

延迟较高：与 Copilot 相比功能延迟比较大，不知道是不是网络问题。
配置要求高：训练该模型需要的机器配置比较高

CodeGeeX

CodeGeeX 是清华大学（ChatGLM 也是他们团队开发的）开发的一个大规模的多语言代码生成模型，拥有 130 亿个参数，预训练在超过 20 种编程语言的大型代码语料库上。CodeGeeX 支持不同语言之间的代码片段翻译。只需一键，CodeGeeX 就可以将一个程序转换成任何预期的语言，并具有高准确性。CodeGeeX 在 VS Code 扩展市场中免费提供（CodeGeeX[4]）。它支持代码补全、解释、总结等功能，为用户提供更好的编码体验。

在这里插入图片描述

优势

开源：下载模型需要提交申请，然后可以在自己的机器上训练
插件免费：VSCode 插件是免费的，插件的 API 调用的是 CodeGeeX 服务器的 API，速度还比较快，功能也比较多，有代码解释，代码注释和代码翻译等功能。

劣势

插件无法配置服务端 API：这意味着编辑器中的代码需要经过 CodeGeeX 服务器，即使你训练了自己的代码 LLM 并提供了后端的 API，也无法修改插件的后端配置，只有自己开发相关的插件。

Codeium

Codeium 是一家位于美国硅谷的人工智能公司，致力于为开发者提供更智能、高效的编程体验。Codeium 提供的主要服务包括代码自动补全、搜索和聊天式助手，支持超过 70 种编程语言和 40 多个集成开发环境（IDE）。VSCode 插件[5]安装完成后需要进行登录，并下载安装 Codeium 的服务端到本地。

在这里插入图片描述

优势

多 IDE：支持 VSCode、Jetbrains 等常用的 IDE，甚至还支持 Vim 和 Emacs。
免费：插件个人使用完全免费
功能强大：除了代码生成外，还有代码解释，注释生成，单元测试生成等功能。

劣势

不开源：底层也是 AI 技术，但是用的 LLM 是 Codeium 公司自己研发的，不开源，无法用来训练自己的模型
代码补全行数少：不像其他代码生成的插件，这个插件补全的代码比较少，要分几次才能完成。

CodeWhisperer

CodeWhisperer 是一个由 Amazon Web Services 推出的自动化代码优化工具。它采用最前沿的机器学习和人工智能技术，来实现对您的应用程序进行代码分析、性能分析和建议最佳优化方法等功能。AWS 的 VSCode 插件[6]推测也是用了自家的 LLM，除了代码生成外，还有安全扫描功能，但只对 Java 和 Python 语言有效。

在这里插入图片描述