清华系「自然语言编程神器」上新！支持100+种编程语言，效率upup
克雷西 发自 凹非寺
量子位 | 公众号 QbitAI
清华和智谱AI联合打造的多语言代码生成模型CodeGeeX，更新了！
它支持的编程语言种类 从原来的20种增加到100多种。
通过IDE中的插件，可以轻松实现「无缝自然语言编程」。
由于使用了新版基础模型，CodeGeeX2的功能更加强大。
据了解，这次的新版本，精度和速度分别是原来的两倍和三倍，内存消耗却只有1/5。
代码生成、解释、翻译、纠错和编程问答等工作，效率都比以前有显著提高。
作为「课代表」，我们把CodeGeeX的更新概括成了下面这几个方面：
- 代码能力更强了
- 模型特性得到了优化
- AI编程助手功能更全面了
- 用户协议更加开放
模型用起来太繁琐？没关系，除了模型本身的更新，CodeGeeX的插件版本很快也将全面升级至新版。
新插件同样支持超过100种编程语言，说不定比我们知道的还要多。
这之中除了Python、Java等我们耳熟能详的语言之外，还包括Swift、Kotlin等移动端新兴势力。
甚至像Rust这种系统级的编程语言，也在CodeGeeX2的能力范围之内。
比如下面这张动图就展示了CodeGeeX2生成Kotlin代码的场景。
代码生成的速度简直比人类输入指令的速度还快。
而且从中我们可以看到，CodeGeeX2添加注释或debug都能一键完成。
不仅是设计算法，实用程序的编写也是小菜一碟。
补全个vue.js代码，搭建出网页，效率杠杠的！
除了这些代码相关的任务，CodeGeeX2还有很多其他应用场景。
比如查询SQL数据库。
只要打开问答模式，用自然语言描述想要查询的内容，CodeGeeX2就能自动生成SQL查询语句。
模型变强之后，会不会收费呢？不必担心，新版CodeGeeX插件将 继续对个人用户免费开放。
而6B参数的CodeGeeX2，也已经进行了开源，相关代码可以到GitHub仓库中查看。
GitHub Copilot的模型也不是对手
OpenAI的HumanEval评测标准可以很好地评价生成代码的表现。
这个名字很容易理解：模型生成的代码质量如何将由人类来评价。
在HumanEval评测中，6B参数的CodeGeeX2的得分 比15B参数的StarCoder模型还要高，可谓是四两拨千斤。
而GitHub Copilot中曾使用的Code-Cushman-001模型同样不是CodeGeeX2的对手。
不过，CodeGeeX毕竟是一个多语言模型，而HumanEval却只支持Python。
所以，为了更加准确地测试CodeGeeX的表现，智谱团队在其基础上增加了Go、C++、Java和JS四种语言的测试数据，得到了HumanEval-X数据集。
结果显示，在多语言方面，新版CodeGeeX2的表现和在Python中一样优异。
相较于第一代，CodeGeeX2的Pass@1指标在各个语言上的 平均表现提升了107%。
其中， Rust语言的性能提升显著，提升了321%；C++和JS语言上的表现也提升了70%以上。
而在代码翻译方面，CodeGeeX2的表现同样碾压对手。
「不看广告看疗效」，CodeGeeX不仅测试结果优异，用户的认可度也是很高的。
在「CodeGeeX是否提高了编程效率」这一问题中，有 83.4%的用户给出了正面的答案。
除了调查结果，用户们也在「用脚投票」。
自第一个版本发布以来，CodeGeeX的下载量已达12万次，平均每天生成近千万行代码。
这是个什么概念呢？如果只看代码行数，相当于不到一周的时间就写出一套Windows XP。
说了这么多，CodeGeeX又该如何体验呢？
快速体验
第一种方式就是IDE中的插件，VScode和JetBrains系列IDE的插件仓库中均有收录。
除了使用IDE中的插件之外，CodeGeeX也可以在Transformer中快速调用。
fromtransformers importAutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained( "THUDM/codegeex2-6b", trust_remote_code= True)
model = AutoModel.from_pretrained( "THUDM/codegeex2-6b", trust_remote_code= True, device= 'cuda')
model = model.eval
# remember adding a language tag for better performance
prompt = "# language: python\n# write a bubble sort function\n"
inputs = tokenizer.encode(prompt, return_tensors= "pt").to(model.device)
outputs = model.generate(inputs, max_length= 256, top_k= 1)
response = tokenizer.decode(outputs[ 0])
>>> print(response)
# language: python
# write a bubble sort function
没有支持的IDE，Transformer又觉得麻烦，但还是想体验怎么办？
没关系，这里还有个还有在线版DEMO。
传送门：https://codegeex.cn/zh-CN/playground
赶快来感受一下「无缝自然语言编程」吧！
论文地址：
https://arxiv.org/abs/2303.17568
Github项目页:
https://github.com/THUDM/CodeGeeX2
Hugging Face项目页：
https://huggingface.co/THUDM/codegeex2-6b
— 完—
「AIGC算力全景与趋势报告 · 量子位智库」下载
AIGC时代，算力成为「硬通货」。当前大模型的发展对算力产生新的需求，算力行业迎来变革机会。机遇当前，量子位智库发布《AIGC算力全景与趋势报告》，扫描下方二维码即可查看完整报告。
8月9日，我们将在北京举办「量子位AIGC行业沙龙——AIGC时代的算力基石」，欢迎感兴趣的企业联系～
点这里 👇关注我，记得标星哦～
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见 ~