華為云、中國(guó)科學(xué)院和北京大學(xué)的研究人員最近提出了一種名為 RRTF(Rank Responses to align Test&Teacher Feedback)的新框架，能夠有效地提升預(yù)訓(xùn)練的大型語(yǔ)言模型(LLM)在代碼生成方面的性能。RRTF 框架通過(guò)自然語(yǔ)言 LLM 對(duì)齊技術(shù)和排名反饋的方式來(lái)改進(jìn)代碼生成 LLM 的表現(xiàn)。研究團(tuán)隊(duì)還引入了 PanGu-Coder2模型，該模型在 OpenAI HumanEval 基準(zhǔn)測(cè)試中取得了出色的62.20% 的通過(guò)率。

　　該研究通過(guò)在 StarCoder15B 上應(yīng)用 RRTF 框架，超越了 PanGu-Coder 并獲得了所有記錄的代碼 LLM 中最佳性能，證明了 RRTF 的有效性。對(duì)三個(gè)基準(zhǔn)測(cè)試(HumanEval、CoderEval 和 LeetCode)的全面分析表明，代碼 LLM 在代碼生成任務(wù)中可能能夠超過(guò)相同或更大規(guī)模的自然語(yǔ)言模型。研究還強(qiáng)調(diào)了高質(zhì)量數(shù)據(jù)對(duì)提高模型遵循指令和編寫代碼能力的價(jià)值。

　　貢獻(xiàn):

　　1. RRTF 框架是一個(gè)模型中立、簡(jiǎn)單且高效的優(yōu)化方法，可以提高代碼 LLM 的性能。

　　2. PanGu-Coder2模型比其原始模型提高了約30%，在 HumanEval、CoderEval 和 LeetCode 等基準(zhǔn)測(cè)試中表現(xiàn)出色。

　　3. PanGu-Coder2在代碼生成方面超過(guò)了所有先前發(fā)布的代碼 LLM，達(dá)到了最新的最佳性能。

　　4. 研究團(tuán)隊(duì)提供了關(guān)于構(gòu)建用于代碼生成的良好訓(xùn)練數(shù)據(jù)的想法和實(shí)踐知識(shí)。

　　5. PanGu-Coder2模型是使用 RRTF 框架訓(xùn)練的，并提供了有關(guān)此過(guò)程的有用見(jiàn)解。

　　6. 除了提高代碼生成效率外，研究團(tuán)隊(duì)還建議了 PanGu-Coder2使用的優(yōu)化方法，以確保快速推理，這對(duì)于實(shí)際應(yīng)用非常重要。