MIT微軟為AI量身打造了一套leetcode編程題
本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。
你見過這種編程題目描述方式嗎？
不用自然語言描述，也沒有輸入輸出示例，你所看到的就只有一個(gè)Python函數(shù)。
這是來自MIT、Allen AI和微軟的研究人員提出的一種全新的編程題目描述方法：
每個(gè)題目都由一個(gè)簡短的Python函數(shù)f定義，目標(biāo)是找到一個(gè)輸入x，使f輸出true。
這樣的題目形式可以讓AI審題更容易，人類程序員的理解也不會(huì)受到影響。
AI編程，道路真是越來越平了啊。
接下來就來詳細(xì)看看這個(gè)研究吧。
沒有自然語言描述的編程題目
再來解釋一下這種描述方法：
題目采用Python函數(shù)的形式，參數(shù)為答案。
解題的目標(biāo)是找到使函數(shù)輸出為真的輸入x，即滿足f（x）= true的正確答案。
現(xiàn)在請你舉一反三：求解一個(gè)有1000個(gè)不連續(xù)“o”的字符串，用這種新形式如何描述呢？
正確答案：
下面是另外兩道題目的描述示例。
動(dòng)態(tài)規(guī)劃—最長單調(diào)遞增子序列問題：
經(jīng)典的漢諾塔 （Towers of Hanoi ）：
研究人員按此種出題形式囊括了各種編程題，提出來一個(gè)開源數(shù)據(jù)集：叫做P3。
該數(shù)據(jù)集題型非常全面：涉及不同難度、不同領(lǐng)域和不同算法工具等方面的題目。
有簡單的字符串操作問題；
有經(jīng)典如漢諾塔和國際象棋（例如，騎士游歷算法和N皇后問題變體）等難題；
也有兩人挑戰(zhàn)尋找最佳策略的題型，如井字棋（Tic-Tac-Toe）、石頭剪刀布、珠璣妙算Mastermind等；
還包括來自國際數(shù)學(xué)奧林匹克競賽（IMO）和國際大學(xué)生程序設(shè)計(jì)競賽（ICPC）的題目，如各種圖論和數(shù)論難題。
一共包含208種題型、14萬+的題目，并且還在不斷更新中。
每個(gè)題目都提供了至少一種答案。
這套新穎的編程挑戰(zhàn)題庫數(shù)據(jù)集，抓住了編程題目的本質(zhì)，可用于教AI編程并評估AI的編程能力。
研究人員表示，這套題可以對AI的編程能力進(jìn)行客觀評估。因?yàn)椴挥貌榭创鸢福湍苤苯域?yàn)證解答的正確性。因此，這種題目不會(huì)增加AI學(xué)習(xí)任何答案偏差的負(fù)擔(dān)。
希望這個(gè)數(shù)據(jù)集可以開發(fā)出新的AI編程解決方案
不同AI求解器根據(jù)這些題目編程的效果如何呢？
研究人員做了一些深入的實(shí)驗(yàn)，開發(fā)了基于隨機(jī)森林、Transformer和不同類型GPT-3 prompts的AI求解器，它們采用不同參數(shù)枚舉、自頂向下的方法，使用這個(gè)P3數(shù)據(jù)集來評估性能。
首先，測試這些求解器在這個(gè)數(shù)據(jù)集上利用此前解決題目的方法來解決新題目的自舉效率（bootstrapping efficacy）。
結(jié)果發(fā)現(xiàn)，增加嘗試次數(shù)可以解決新題目。但它們也能通過學(xué)習(xí)過去的經(jīng)驗(yàn)，更快地解決新的難題。
下圖為這些AI求解器在不同嘗試次數(shù)下的已解決題目數(shù)量：
而在一項(xiàng)小的用戶研究中，21名在Python編程方面有不同經(jīng)驗(yàn)?zāi)晗薜某绦騿T完成了不同難度的30個(gè)題目。每個(gè)題目最多分配6分鐘的時(shí)間來解決。
用這個(gè)數(shù)據(jù)集評估AI與人類程序員對編程題難度的感知發(fā)現(xiàn)：
人類覺得難的題對AI來說也更難，現(xiàn)階段情況下，AI求解器能解決的大多數(shù)題都是對人類來說比較簡單的。
上圖表示人類和AI對各種題目的難度打分，按人類分?jǐn)?shù)排序。人類的難度分?jǐn)?shù)通過超出允許的最大解題時(shí)間的平均分?jǐn)?shù)來衡量，AI的則是根據(jù)解題所需的嘗試次數(shù)。
另外，AI用這種形式的題目可以解決了60% 的難題，初學(xué)者和有經(jīng)驗(yàn)的程序員平均分別解決了 76% 和 87% 的難題。
總的來說，利用這個(gè)新穎的數(shù)據(jù)集，通過精心設(shè)計(jì)的AI求解器，可以大大減少AI編程求解所需的嘗試次數(shù)、并解出更多的題目。
因此，研究人員希望，這個(gè)新的編程題庫數(shù)據(jù)集能支持大家研究和開發(fā)新的AI編程解決方案，提高AI編程的效率和性能。
此前，UC伯克利曾訓(xùn)練AI刷LeetCode，總共5000道題的測試中，AI能做出15%。
不知道使用這個(gè)數(shù)據(jù)集訓(xùn)練，AI編程的能力又會(huì)達(dá)到什么水平呢？
論文地址：https://arxiv.org/abs/2106.05784
開源數(shù)據(jù)集鏈接：https://github.com/microsoft/PythonProgrammingPuzzles
