在大模型時(shí)代，高質(zhì)量的代碼生成已經(jīng)強(qiáng)大到，讓人驚嘆。

從通過HumEval中67%測(cè)試的GPT-4，到近來各種開源大模型，比如CodeLlama，有望成為碼農(nóng)編碼利器。

然而，現(xiàn)實(shí)中，程序員們不會(huì)精煉表達(dá)需求，因此誤導(dǎo)、限制了LLM生成優(yōu)秀代碼的能力。

說白了，大模型代碼能力行不行，取決于你的提示妙不妙。

對(duì)此，來自北大實(shí)驗(yàn)室的研究團(tuán)隊(duì)提出了，通過與LLM聊天來細(xì)化需求的方法——ChatCoder。

論文地址：https://arxiv.org/pdf/2311.00272.pdf

具體來說，他們?cè)O(shè)計(jì)了一種聊天方案，大模型引導(dǎo)用戶細(xì)化需求表達(dá)，進(jìn)而比以前更精確、更完整，同時(shí)提高了大模型的性能。

大模型是「碼農(nóng)」，你就是「產(chǎn)品經(jīng)理」

這里先舉個(gè)例子，如下圖，用戶提出了需求：

數(shù)據(jù)集#MBPP/443，要求ChatGPT編寫一個(gè)python函數(shù)從給定的列表中找到「最大的負(fù)數(shù)」。

基于原始需求，ChatGPT生成一個(gè)程序，該程序可以正確提取實(shí)際值最大的負(fù)數(shù)。

然而，sanitized-MBPP的作者認(rèn)為「最大負(fù)數(shù)」應(yīng)該是指「絕對(duì)值最大的數(shù)」。

因此由于「最大」這個(gè)表達(dá)不明確，導(dǎo)致LLM生成了錯(cuò)誤的代碼。

而這里，可以通過需求細(xì)化（requirements refinement）來解決這個(gè)問題。

需求細(xì)化就是揭示需求中的隱含依賴和隱藏結(jié)構(gòu)的過程。通過提供更多細(xì)節(jié)，在需求細(xì)化的過程中可以補(bǔ)充不完整的信息，消除模糊不清的地方。

在前面舉的例子中，我們可以簡(jiǎn)單地向大語(yǔ)言模型說明「最大的」在這里特指「絕對(duì)值最大的」，揭示了「最大」這個(gè)詞的隱藏結(jié)構(gòu)。

有了這一改進(jìn)后的需求，大模型就可以生成符合MBPP作者期望的代碼。

不得不提的是，需求細(xì)化，需要人類用戶和大模型的協(xié)作。

一般來說，在需求工程的背景下，需求細(xì)化是通過軟件供應(yīng)商（編碼人員）和軟件客戶（用戶）之間的一系列交互來執(zhí)行的。

軟件供應(yīng)商分析客戶需求的初始表達(dá)，并提出細(xì)化點(diǎn)。軟件客戶則需要根據(jù)這些點(diǎn)來作出響應(yīng),供應(yīng)商才能完成一輪需求細(xì)化。

無論是軟件客戶還是軟件供應(yīng)商，任何一方都不具備單獨(dú)進(jìn)行需求細(xì)化的資格。

這樣的劣勢(shì)在于，客戶通常不夠了解軟件設(shè)計(jì)和開發(fā)過程，無法撰寫可用的需求說明；而供應(yīng)商通常也不夠了解客戶的問題和業(yè)務(wù)領(lǐng)域，無法為滿意的系統(tǒng)制定需求。

而現(xiàn)在，在大模型時(shí)代，人類用戶是客戶，LLM是「供應(yīng)商」。

為了通過需求細(xì)化讓大模型生成更好地滿足用戶需求的代碼，就需要研發(fā)人類和LLM協(xié)作的方法。

ChatCoder：聊天細(xì)化，生成代碼

北大提出了ChatCoder，這是通過聊天進(jìn)行需求細(xì)化的大模型代碼生成的新方法。

整體框架如下圖，非常簡(jiǎn)潔，通過聊天來輔助LLM和人類在需求細(xì)化方面的協(xié)作。

關(guān)鍵是，如何與大型語(yǔ)言模型聊天。

ChatCoder便提供了一個(gè)全新的聊天模式，其設(shè)計(jì)靈感來自IEEE SRS。

接下來，我們具體看下ChatCoder這個(gè)框架。

其整體結(jié)構(gòu)是一個(gè)兩輪的對(duì)話。

第一階段：Paraphrase和Exend

由于人類用戶表達(dá)需求可能語(yǔ)意模糊、不完整，ChatCoder使用提示要求LLM從幾個(gè)角度解釋用戶的原始需求，即完整的需求規(guī)范必須清晰。

對(duì)于需要改進(jìn)的遺漏或有野心的論點(diǎn)，ChatCoder讓大語(yǔ)言模型基于它從訓(xùn)練數(shù)據(jù)中獲得的假設(shè)來擴(kuò)展它們。

人類用戶需要查看細(xì)化的規(guī)范并糾正其中的錯(cuò)誤。

第二階段：Going-deep和Loop-back

在這一輪中，ChatCoder要求LLM詢問人類用戶，關(guān)于第一輪Paraphrase和Exend中信息損失，以及需要進(jìn)一步改進(jìn)的規(guī)范方面的困惑。

人類用戶需要回答這些問題，并回環(huán)糾正細(xì)化后的規(guī)范。

經(jīng)過兩輪細(xì)化后，得到細(xì)化后的需求，然后發(fā)送給大型語(yǔ)言模型，得到用戶想要的程序。

ChatGPT代碼能力10%

實(shí)驗(yàn)設(shè)置

數(shù)據(jù)集：Sanitized-MBPP、HumanEval。

基準(zhǔn)：gpt-3.5-turbo、gpt-4。

研究問題

為了評(píng)估ChatCoder，研究人員提出并測(cè)試了以下研究問題：

1）與現(xiàn)有代碼生成模型相比，ChatCoder的表現(xiàn)如何？

2）ChatCoder是LLM和人類用戶交流以進(jìn)行需求細(xì)化的有效方法嗎？

3）人類參與ChatCoder帶來了多少改進(jìn)？

ChatCoder性能表現(xiàn)

首先我們來看第一個(gè)問題，主要是為了評(píng)估ChatCoder與基線相比的整體代碼生成性能。

如表1所示，ChatCoder通過大幅細(xì)化的需求，成功幫助LLM提高了其生成程序的執(zhí)行精度。

例如，對(duì)于gpt-3.5-turbo，其在Saniticed-MBPP上的pass@1從57.04%提高到71.25%，提升了14%。

橫向比較，對(duì)于gpt-3.5-turbo和gpt-4，Saniticed-MBPP上的性能改進(jìn)比HumEval上的更突出。

溝通效率的表現(xiàn)

第二個(gè)問題是，評(píng)估ChatCoder是否是大模型和人類進(jìn)行需求細(xì)化交流的有效方式。

根據(jù)表2，所有3種與LLM進(jìn)行需求細(xì)化的通信方法都有助于LLM改進(jìn)其代碼生成結(jié)果。

這一發(fā)現(xiàn)指出，任何形式的需求細(xì)化在應(yīng)用LLM生成代碼時(shí)都是有用和重要的。

與ChatCoder相比，F(xiàn)ree Paraphrase和Free QA不會(huì)指示LLM執(zhí)行某些類型的細(xì)化，從而導(dǎo)致較低的改進(jìn)。

人工干預(yù)評(píng)估

如下評(píng)估了人工干預(yù)對(duì)ChatCoder的重要性，結(jié)果見表3。

由于ChatCoder利用需求細(xì)化來提高大語(yǔ)言模型的代碼生成性能，因此人工干預(yù)是必要的，也是不可忽視的。

ChatCoder的過程是從給定的角度揭示需求的內(nèi)部結(jié)構(gòu)，這些角度沒有明確表達(dá)，即使有歧義。解決歧義的答案只有人類用戶知道。

案例研究

如下，作者提出了幾個(gè)真實(shí)的測(cè)試用例，說明ChatCoder如何幫助LLM生成具有細(xì)化需求的代碼。

由于頁(yè)面限制，研究人員從MBPP中選擇了3個(gè)案例，涵蓋了關(guān)于輸入、輸出和目的的細(xì)化，因?yàn)樗鼈冎苯佑绊懝δ苄枨蟆?/span>