唐三中文网

第4章 你来自哪？（第2页）

“。。。低估了候选解之间的结构同质性。。。”

伊戈尔·巴布什金看到之后第一反应就是不虞。

Alphacode项目刚才Science发表，DeepMind和谷歌对它的评价极高。

能在Codeforces竞赛中达到人类选手中位数的水平。

在这个Claude还没有声名鹊起的时候，毫无疑问，Alphacode就是ai编程领域的No。1

推特的回复居然指出了这个项目的不足，伊戈尔顿时抱着我倒是要看看你在说什么的想法。

他点进了Light_Chen的主页，账号是新注册的，头像用的是推特注册自带的头像。

关注者是零。

这两天才开始更新内容。

没有机构背书，也没有过往履历，至于论文和Githubstar更是天方夜谭。

也许是某个人的马甲，也可能是初生牛犊。

伊戈尔·巴布什金抱着这样的想法挨个看了下来，发现有点东西。

对方的回复有点东西啊。

伊戈尔·巴布什金再回过头去看，Light_Chen在他推特下的回复，他皱了皱眉，思索片刻后敲了一段回复在底下：

“详细说说你会基于什么进行聚类？抽象语法树距离和执行轨迹已经涵盖了部分信息。你的观点听起来不错，但你该如何将其付诸实践呢？”

陈曦的回复总结起来就一个意思，你们输出的方案看似多，实际上都是一个方案，不过换了个表现形式罢了。

交好谷歌的媒体把AlphaCode吹成能生成真正理解题意、展开多种算法路线、再从中择优的编程选手。

内部人士很清楚，它的智能很大一部分来自采样规模和过滤机制。

纽约大学计算机系的戴维斯教授就批评过，这玩意本质上还是猴子打字机。

打的字够多，总能敲出莎士比亚。

过滤和选择缺乏真正的结构探索。

对谷歌不满的媒体，就会引用戴维斯教授的批评。

陈曦则在此基础上更进了一步，把这玩意真正的弱点给点了出来。

这建立在AlphaCode从未真正对外开放过。

DeepMind开源了训练和评估模型，发布了演示网站，外界能查看AlphaCode在具体编程问题上的生成解决方案、解释和可视化，却不能像使用ChatGPT那样输入一个新问题，让系统实时生成代码。

不到两分钟，回复出现了。

“AST距离捕捉的是程序如何被写出来。