第4章你來自哪？
第4章你來自哪？(第2/4頁)
e發表，deepmind和穀歌對它的評價極高。
能在codeforces競賽中達到人類選手中位數的水平。
在這個claude還冇有聲名鵲起的時候，毫無疑問，alphacode就是ai編程領域的no.1
推特的回複居然指出了這個項目的不足，伊戈爾頓時抱著我倒是要看看你在說什麼的想法。
他點進了light_chen的主頁，賬號是新註冊的，頭像用的是推特註冊自帶的頭像。
關註者是零。
這兩天才開始更新內容。
冇有機構背書，也冇有過往履曆，至於論文和github star更是天方夜譚。
也許是某個人的馬甲，也可能是初生牛犢。
伊戈爾·巴布什金抱著這樣的想法挨個看了下來，發現有點東西。
對方的回複有點東西啊。
伊戈爾·巴布什金再回過頭去看，light_chen在他推特下的回複，他皺了皺眉，思索片刻後敲了一段回複在底下：
“詳細說說你會基於什麼進行聚類？抽象語法樹距離和執行軌跡已經涵蓋了部分信息。你的觀點聽起來不錯，但你該如何將其付諸實踐呢？”
陳曦的回複總結起來就一個意思，你們輸出的方案看似多，實際上都是一個方案，不過換了個表現形式罷了。
交好穀歌的媒體把alphacode吹成能生成真正理解題意、展開多種算法路線、再從中擇優的編程選手。
內部人士很清楚，它的智能很大一部分來自采樣規模和過濾機製。
紐約大學計算機係的戴維斯教授就批評過，這玩意本質上還是猴子打字機。
打的字夠多，總能敲出莎士比亞。
過濾和選擇缺乏真正的結構探索。
對穀歌不滿的媒體，就會引用戴維斯教授的批評。
陳曦則在此基礎上更進了一步，把這玩意真正的弱點給點了出來。
這建立在alphacode從未真正對外開放過。
deepmind開源了訓練和評估模型，發布了演示網站，外界能查看alphacode在具體編程問題上的生成解決方案、解釋和可視化，卻不能像使用 chatgpt那樣輸入一個新問題，讓係統實時生成代碼。
不到兩分鐘，回複出現了。
“ast距離捕捉的是程序如何被寫出來。
執行軌跡捕捉的是程序在采樣輸入上的行為。
我說的是稍微不同的東西：推斷是哪一類反例生成器殺死了哪些候選程序。
如果兩個程序需要同一種對抗性輸入才會失敗，那麼即便它們的語法和普通執行軌跡不同，它們也屬於同一個潛在解法家族。”
伊戈爾端著咖啡回到桌前，想了想，又問：
“這需要知道反例分布。在
（本章未完，請點擊下一頁繼續閱讀）