Термины в области Ai (ИИ).

Imagine a developer who can only change their last line of code — how often would they have to start writing a function from scratch before it is correct? Auto-regressive models for code generation from natural language have a similar limitation: they do not easily allow reconsid ering earlier tokens generated. We introduce CODEFUSION, a pre-trained diffusion code gen eration model that addresses this limitation by iteratively denoising a complete program con ditioned on the encoded natural language. We evaluate CODEFUSION on the task of natural language to code generation for Bash, Python, and Microsoft Excel conditional formatting (CF) rules. Experiments show that CODEFU SION (75M parameters) performs on par with state-of-the-art auto-regressive systems (350M 175B parameters) in top-1 accuracy and outper forms them in top-3 and top-5 accuracy, due to its better balance in diversity versus quality.

Представьте себе разработчика, который может изменить только последнюю строку кода — как часто ему придется начинать писать функцию с нуля, прежде чем она станет правильной? Авторегрессионные модели генерации кода из естественного языка имеют аналогичное ограничение: они не позволяют легко пересмотреть ранее сгенерированные токены. Мы представляем CODEFUSION — предварительно обученную диффузионную модель генерации кода, которая устраняет это ограничение путем итеративного шумоподавления всей программы, созданной на закодированном естественном языке. Мы оцениваем CODEFUSION для задачи генерации кода на естественном языке для правил условного форматирования (CF) Bash, Python и Microsoft Excel. Эксперименты показывают, что CODEFU SION (параметры 75M) работает на одном уровне с современными авторегрессионными системами (параметры 350M 175B) с точностью топ-1 и превосходит их с точностью топ-3 и топ-5 благодаря это лучший баланс разнообразия и качества.