Hvis du er interesseret i en programmerende AI, skal du begynde at bruge StarCoder.
BigCode udgav for nylig en ny kunstigt intelligent LLM (Large Language Model) ved navn StarCoder med det formål at hjælpe udviklere med at skrive effektiv kode hurtigere. Her vil du lære om StarCoder, hvordan StarCoder fungerer, og hvordan du kan bruge StarCoder til at forbedre din kodningsevne.
Hvad er StarCoder?
StarCoder er en LLM designet udelukkende til programmeringssprog med det formål at hjælpe programmører med at skrive kvalitet og effektiv kode inden for reducerede tidsrammer.
Det er skrevet i Python og trænet til at skrive over 80 programmeringssprog, bl.a objektorienteret programmering sprog som C++, Python og Java og proceduremæssig programmering sprog som Fortran og C.
Hvordan virker StarCoder?
StarCoder LLM anvender en Multi-Query Attention Technique, der gør StarCoder i stand til at forstå kodens indhold og generere præcise forslag. Denne teknik involverer at analysere flere forespørgsler samtidigt for at give relevante svar.
StarCoder LLMs træningsproces involverede indsamling og kompilering af enorme mængder data fra flere programmeringssprog hentet fra GitHub-lagre. Ved at udnytte dette mangfoldige datasæt kan StarCoder generere præcise og effektive kodeforslag.
Sådan bruger du StarCoder LLM
Det er nemt at komme i gang med StarCoder LLM. Du kan udnytte ethvert af StarCoders værktøjer, inklusive dens Playground eller Chatbot, til at skrive effektiv kode. Her er hvordan du kan bruge StarCoder til at skrive bedre programmer.
1. Kodefuldførelse
StarCoder, gennem brug af StarCoder Playground Interface, kan skrabe igennem og færdiggøre dine programmer eller opdage manglende dele af dit program baseret på konteksten af kode skrevet indtil videre. For at bruge StarCoder Playground skal du skrive din ufuldstændige kode i kodeprompten.
For eksempel:
StarCoder foreslår en JavaScript array metode for at fuldføre den anmodede kode, når du klikker på Frembringe knap, der viser kodefuldførelsesfunktionen.
2. Kodegenerering fra naturlige sprogprompter
StarCoder er ikke en instruktionsmodel, der er i stand til at forstå naturlige sprogprompter, som f.eks "Opret en funktion, der finder primtal mellem 1 og 100". Du kan dog bruge StarCoders Chatbot (Tech Assistant) at indtaste instruktioner og bruge StarCoder som en instruktionsmodel, som vist på billedet nedenfor:
Dette billede viser StarCoders tekniske assistent, der bliver bedt om at skrive en Python funktion der finder summen af primtal mellem et og hundrede.
På samme måde kan du bruge denne chatbot til at opdage fejl i din kodes struktur, hvilket StarCoder gør ved at køre den pågældende kode gennem tusindvis af lignende programmer fra GitHub-lagre. Dette kan spare dig tid og kræfter i at fejlsøge dine koder.
Ud over funktionerne nævnt ovenfor tilbyder StarCoder LLM flere muligheder. Dette inkluderer en Visual Studio Code Extension, der giver kodefuldførelse, der hjælper med at øge din produktivitet, mens du udvikler software.
Nuværende begrænsninger for StarCoder LLM
Selvom StarCoder LLM er en imponerende AI (kunstig intelligens) værktøj, det har nogle begrænsninger. En af de vigtigste begrænsninger er dens afhængighed af træningsdata. Kvaliteten og mængden af træningsdata begrænser ydeevnen af StarCoder LLM.
Når du bruger LLM til kodegenerering eller færdiggørelse, kan du også støde på tilfælde, hvor StarCoders feedback kunne være mere nøjagtig. Derudover finder StarCoder det vanskeligt at behandle store mængder data, der sendes til det via nogen af dets kanaler, såsom dets Playground og dets chatbot. Forhåbentlig vil BigCode lave forbedringer af disse begrænsninger.
LLM'er er ikke så komplicerede
StarCoder er blot endnu et eksempel på en LLM, der beviser AIs transformative kapacitet. LLM'er fortsætter med at ændre den måde, visse processer inden for teknik og videnskab udføres på.
LLM'er er ikke så komplicerede, som de ser ud til. De bruger dyb læring til at analysere data og opnå en forståelse af grammatik, syntaks og kontekst til at skabe svar. At forstå, hvad LLM'er er, og hvordan du kan bruge LLM'er, kan hjælpe dig med at udnytte deres potentiale.